python kaggle数据分析实战_适合做数据分析的kaggle数据集csdn

一.数据来源: https://www.kaggle.com/carrie1/ecommerce-data
数据解释：该数据集是由 Machine Learning Repository 在基于一个英国电商公司从2010年月12月到2011年12月的真实的交易数据集进行改造的。 该电商主要销售的商品是各类礼品， 主要客户是各类经销商。数据集大小：541909行x8列数据集的特征:
InvoiceNo：订单号 C为退货订单
StockCode：商品编号
Description：商品名称/描述
Quantity：商品数量
InvoiceDate：订单日期
UnitPrice：商品单价
CustomerID：用户ID
Country：国家
二.研究目的：
1.购买商品数前10的国家
2.交易额前十的国家
3.哪个月份销量最佳
4.客单价多少
5.用户消费行为分析

三.数据处理
首先添加PYTHON中常用的数据分析库

import numpy as np 
import pandas as pd
import os 
import matplotlib.pyplot as plt
import plotly as py 
import plotly.graph_objs as go
1
2
3
4
5
6

设定默认路径，打开文档文件，观察数据。

os.chdir(r'C:\Users\Administrator\Desktop\jianli\python')  #修改路径
df = pd.read_csv('data.csv')  #读取文件
df.head()    #展示数据
1
2
3

接下来查看数据的整体情况：

df.info()  #查看数据有效值
1

其中可以看到 Description和CustomerID数据量与其他不同，存在缺失值。我们自定义函数，计算一下缺失率。

df.apply(lambda x : sum(x.isnull())/len(x))  #缺失率
1

其中CustomerID：用户ID数据缺失较多。另外查看一下退货数据存在多少