Анализ данных с Python в розничной торговле : анализ продаж товарной категории

Задача для анализа : руководством торговой сети розничных магазинов одежды было принято решение добавить в ассортимент новую позицию - мужские трусы. По прошествии некоторого времени поставлена задача проанализировать продажи с точки
зрения покупательских предпочтений в разрезах пола, возраста, модели и цвета.

Для анализа были подготовлены следующие данные :

df = pd.read_excel("data/undpants_sales.xlsx")
df.head()

   customer_sex  customer_age clothing_sex clothing_cat model color

0         male            59         male       Jacket   NaN   NaN
1       female            39         male       Jacket   NaN   NaN
2       female            40       female     Trousers   NaN   NaN
3       female            46       female     Trousers   NaN   NaN
4       female            65       female     Trousers   NaN   NaN

Данные представляют собой продажи в разрезе : пол и возраст покупателя, пол и 

товарная группа покупки.  Так как цель анализа - мужские трусы, то по ним есть 

дополнительная информация - модель и цвет.

Обозначения :

customer_sex - пол покупателя,
customer_age - возраст покупателя,
clothing_sex - пол товарной группы покупки
clothing_cat - товарная группа покупки
model - модель трусов
color - цвет трусов
#Типы переменных
df.dtypes

customer_sex    object
customer_age     int64
clothing_sex    object
clothing_cat    object
type            object
color           object
dtype: object

#Размер данных
df.shape

(20127, 6)

Выделим колонки с объектными данными

ob_cols = [c for c in df.columns if df[c].dtypes=='O']
ob_cols

['customer_sex', 'clothing_sex', 'clothing_cat', 'model', 'color']

Выведем уникальные значения в этих колонках

for col in ob_cols:
    print(len(df[col].unique()),df[col].unique())

2 ['male' 'female']
2 ['male' 'female']
10 ['Jacket' 'Trousers' 'Sweatshirt' 'Sweater' 'T-shirt' 'Underpants' 'Shirt'
 'Shorts' 'Skirt' 'The dress']
10 [nan 'model1' 'model2' 'model3' 'model4' 'model5' 'model6' 'model7'
 'model8' 'model9']
9 [nan 'blue' 'red' 'black' 'grey' 'indigo' 'dark grey' 'white' 'khaki']

Добавим в данные новую колонку - индекс покупки мужских трусов

def f(row):
    return (1 if row['clothing_sex']=='male' and  row['clothing_cat']=='Underpants' else 0)

 df['ind'] = df.apply(f, axis=1)

df.head()

  customer_sex  customer_age clothing_sex clothing_cat model color  ind
0         male            59         male       Jacket   NaN   NaN    0
1       female            39         male       Jacket   NaN   NaN    0
2       female            40       female     Trousers   NaN   NaN    0
3       female            46       female     Trousers   NaN   NaN    0
4       female            65       female     Trousers   NaN   NaN    0

Выведем долю продаж трусов в общих продажах :

print('male underwear % : ',round(df.ind.mean(),4))

male underwear % :  0.0589

Посмотрим как покупки мужских трусов распределились по полу покупателя

ind_sum_by_customer_sex = df.groupby(by='customer_sex')['ind'].sum()
ind_sum_by_customer_sex/df.ind.sum()

customer_sex
female    0.470042
male      0.529958
Name: ind, dtype: float64

Доли в продажах практически равные

Сгруппируем общие продажи и продажи трусов по возрасту и выведем их 

распределение

by_age = df.groupby(by='customer_age')['customer_age'].count()
ind_by_age = df.groupby(by='customer_age')['ind'].sum()

ax1 = by_age.plot(grid=True,figsize=(10, 7),title='number of sales') ax1.set_xlabel('age') ax1.set_ylabel('all sales',color='b') ax2 = ax1.twinx() ax2 = ind_by_age.plot(color='r') ax2.set_ylabel('Underpants', color='r')

Разделим возраст на интервалы и выведем процент продаж трусов в этих интервалах

df['age_group'] = df['customer_age'].apply(
lambda x: '[15, 30)' if x < 30 else '[30, 40)' if x < 40 \
else '[40, 50)' if x < 50 else '[50, 60)' if x < 60 \
else '[60, 70)' if x < 70 else '70+'
)

Посмотрим, как по возрасту распределилась доля трусов в общих покупках :

У женщин

ind_by_age_group_male = df.query('customer_sex=="female"').

        groupby(by='age_group')['ind'].mean() * 100.0
ind_by_age_group_male

age_group
70+         3.867403
[15, 30)    4.579208
[30, 40)    3.986333
[40, 50)    4.405846
[50, 60)    5.208333
[60, 70)    5.319149
Name: ind, dtype: float64

ind_by_age_group_female.plot.bar(title='% of Underpants in total sales (female)')

У мужчин

ind_by_age_group_male = df.query('customer_sex=="male"').

        groupby(by='age_group')['ind'].mean() * 100.0

ind_by_age_group_male 

age_group
70+         10.344828
[15, 30)     8.603239
[30, 40)     8.103263
[40, 50)     6.820084
[50, 60)     8.466604
[60, 70)    12.419700
Name: ind, dtype: float64

ind_by_age_group_male.plot.bar(title='% of Underpants in total sales (male)')




Доли возрастных групп в общих продажах и в продажах мужских трусов

plt.figure(figsize=(12, 7))

plt.subplot(1, 2, 1)
plt.title('all sales')
sum_by_age_group.plot(
kind='pie',
startangle=90,
subplots=True,
autopct=lambda x: '%0.1f%%' % x
);
plt.subplot(1, 2, 2)
plt.title('Underpants sales')
ind_sum_by_age_group.plot(
kind='pie',
startangle=90,
subplots=True,
autopct=lambda x: '%0.1f%%' % x
)

Осталось посмотреть, как распределяются продаж в возрастных группах по моделям

 и по цветам

Пол - возраст - модель

sex_age_model_df = df.groupby(['age_group','customer_sex',
'model'])['ind'].sum().unstack('model').fillna(0)
sex_age_model_df = sex_age_model_df.divide(
df.groupby(
by=['age_group','customer_sex']
)['ind'].sum(),
axis=0
)

ax=sex_age_model_df.plot.bar(stacked=True)
ax.legend(loc='center right', bbox_to_anchor=(1.3, 0.5), ncol=1)

Пол - возраст - цвет

sex_age_model_df = df.groupby(['age_group','customer_sex',
'color'])['ind'].sum().unstack('color').fillna(0)
sex_age_color_df = sex_age_model_df.divide(
df.groupby(
by=['age_group','customer_sex']
)['ind'].sum(),
axis=0
)

ax=sex_age_color_df.plot.bar(stacked=True)
ax.legend(loc='center right', bbox_to_anchor=(1.3, 0.5), ncol=1)