[쇼핑 데이터 분석] chpt1

라이브러리 설치

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

데이터를 불러오자

data=pd.read_excel('data.xlsx')
data

[결과]
   성별	나이	연봉	    지역	구매제품
0	m	21	3300	서울	핸드폰케이스
1	f	22	5000	경기	마스크
2	f	25	5200	경기	마스크
3	f	32	2000	서울	핸드폰케이스
4	m	27	1800	부산	마스크
...	...	...	...	...	...
194	m	28	3400	경기	노트북
195	f	28	2800	서울	화장품
196	m	27	3500	경기	화장품
197	f	23	1900	경기	노트북
198	m	29	2800	서울	핸드폰케이스
199 rows × 5 columns

그래프 패키치 설치

pip install plotly
import plotly.express as px

데이터 요약
ex) 성별에서 m이랑 f가 몇개인지 세줘

#성별이 0번째 부터 시작 (python은 항상 0부터 시작)
#만약 지역에 관한걸 보고싶으면? .3 으로 하면 된다
data.iloc[:,0].value_counts()

[결과]
m    101
f     98
Name: 성별, dtype: int64

분포를 직관적으로 보자
1) 성별에 대한 막대그래프로 파악

#px.bar(x=(),y=())
px.bar(x=data.iloc[:,0].value_counts().index, y=data.iloc[:,0].value_counts().values)

[결과]

• 쇼핑몰 데이터인데 남여 비율이 같네?
• 여성한테 인기가 없는 쇼핑몰인가?

2) 지역에 대한 막대그래프로 파악

px.bar(x=data.iloc[:,3].value_counts().index, y=data.iloc[:,3].value_counts().values)

[결과]

• 서울/경기에 거주하는 고객들이 가장 많음
• 쇼핑사이트를 이용하는 고객들은 수도권에 거주하는 사람들이 대부분임
• 서울/경기에 거주하는 고객들의 쇼핑사이트 이용률이 높다고 할 수 있을까?

3) 연령대에 대한 막대그래프를 그려보자
연령대를 10대, 20-25, 30-35, 40-45로 나누어 조사해보자.

age=[]
for i in range(0,len(data)):
    if data.iloc[i,1]<20 :
        age.append('10')
    elif data.iloc[i,1] <25 and data.iloc[i,1] >=20 :
        age.append('20-25')
    elif data.iloc[i,1] <30 and data.iloc[i,1] >=25 :
        age.append('25-30')
    elif data.iloc[i,1] <35 and data.iloc[i,1] >=30 :
        age.append('30-35')
    elif data.iloc[i,1] <40 and data.iloc[i,1] >=35 :
        age.append('35-40')
    elif data.iloc[i,1] <45 and data.iloc[i,1] >=40 :
        ge.append('40-45')

data_new=pd.concat([data,pd.DataFrame(age)],axis=1)
data_new

[결과]
	성별	나이	연봉	지역	구매제품	0
0	m	21	3300	서울	핸드폰케이스	20-25
1	f	22	5000	경기	마스크	    20-25
2	f	25	5200	경기	마스크	    25-30
3	f	32	2000	서울	핸드폰케이스	30-35
4	m	27	1800	부산	마스크	    25-30
...	...	...	...	...	...	...
194	m	28	3400	경기	노트북	    25-30
195	f	28	2800	서울	화장품	    25-30
196	m	27	3500	경기	화장품	    25-30
197	f	23	1900	경기	노트북	    20-25
198	m	29	2800	서울	핸드폰케이스	25-30
199 rows × 6 columns

px.bar(x=data_new.iloc[:,5].value_counts().index, y=data_new.iloc[:,5].value_counts().values)

[결과]

• 20대의 고객들이 쇼핑사이트를 가장 많이 이용
• 위 막대그래프로 20대 고객들에게 쇼핑사이트가 인기가 많다고 할 수 있을까?
• 위의 막대그래프로 20대 고객들이 쇼핑에 관심이 많다고 할 수 있을까?