前言

本次分析只是用途虎養車網案例分享數據學習方法和方法論，禁止用作商業目的，同時聲明數據與關鍵指標未必真實有效。

概述

筆者將通過以下環節，展示整個過程。

涉及知識：

結構化思維，描述性分析，探索性分析，相關性分析，python數據采集，python和mysql數據清洗，python、Excel和Tableau數據可視化

分析流程：

第一部分：需求分析/定義目標

數據分析的第一步也是最關鍵的一步，就是“如何將一個抽象的命題拆分為一個可量化的命題”，所謂量化管理。

1.1 思考命題

命題：分析途虎養車網品牌輪胎銷售數據

問題1：為什么要分析這個命題，可以解決什么問題，能帶來什么價值？

答：命題來源于這樣一個假設，如果公司想模仿途虎做一個自營電商平臺，也銷售品牌輪胎，我能夠提供什么建議。

本案例，筆者分析的目標公司是途虎養車，截止目前為止已獲得D輪融資，是汽車后市場B2C自營電商的唯一的第一梯隊，本命題通過分析其輪胎銷售數據，更深入的挖掘用戶偏好，銷量分布，營收分布，價格分布。如果有需要，還可以結合做行業分析，對比綜合電商京東和天貓，做一個更宏觀主題分析。

問題2：因變量是什么，自變量是什么

答：自營電商就是要盈利，而盈利需要通過銷量，價格和成本獲得，此處成本不可獲取，因此因變量定義為營收、銷量和價格。

影響銷量因素有很多，如會員活動和社區活動，影響價格的因素也有很多，主要有成本導向定價和需求導向定價，此處上述因素均不可獲取，只有產品本身屬性數據，因此自變量定義為產品本身的屬性，即輪胎品牌，產品規格，載重指數，速度級別，輪胎類型，輪胎花紋，是否缺氣保用等。

最后轉化為以下具體的問題

1 哪些品牌銷售市場更好，其輪胎屬性優先度如何。
2 途虎銷售數據，品牌貢獻度如何，是否存在二八定律。
3 哪些品牌營收數據更好，其輪胎屬性優先度如何。
4 途虎營收數據，品牌貢獻度如何，是否存在二八定律。
5 途虎價格數據，各品牌價格分布如何，價格區間分組分布。
6 用戶消費水平是怎樣的，品牌消費區間分布如何。
7 途虎品牌輪胎，按照銷量和營收分群分析。
8 途虎品牌輪胎， NMPS分類分析。
9 影響平臺營收、銷量、獲得評分的因素有哪些，排序如何。
10 根據銷量，價格，評分對途虎輪胎ID聚類分析。

1.2 結構化拆分命題

結構化拆分是將與事物有關的各個事件，按照層級關系，以樹狀圖的形式表現出來的一種工作方式。其拆分原則是，各事件之間相互獨立，事件拆分至最小粒度為止，拆分分析層次和顆粒度不同，分析價值也存在差異。

1.2.1 描述性分析

描述性數據分析類似于用一些特征去概括事物，包含集中趨勢分析和離中趨勢分析。

前者研究的是數據的集中程度，主要包含平均數、中位數、眾數、四分位數、標準差和變異系數。后者研究的是數據的離散程度，主要包含極距、四分位距、方差、標準差、標準分、均方誤差、均方根值、均方根誤差和變異系數。

此外，還可以通過繪制核密度曲線，觀察數據分布形狀是左偏，右偏，或是正態。

問題：哪些指標是最關鍵的指標

答：營收、銷量和價格。

1.2.2 探索性分析

探索性分析師結合數學或業務模型，發現數據隱形存在的規律。本報告模擬電商行業RFM模型提出品牌分群分析和NMPS分析，試圖從多維度對品牌輪胎分群處理。

問題：維度是什么

答：營收、銷量、價格和評分。

1.2.3 相關性分析

相關性分析分為兩個部分：

一是銷量/營收/價格相關性分析，二是銷量/營收與均值價格關系。

因變量選擇

因變量1：營收 = 單一途虎ID價格 * 單一途虎ID銷量

因變量2：銷量

因變量3：價格

選取營收作為因變量，目的在于找出哪些自變量與營收呈現正相關，相關程度如何，投資回報率最大。

選取銷量作為因變量，目的在于找出哪些自變量與銷量呈現正相關，從而有利于品類存儲和品類營銷。

選取價格作為因變量，目的在于找出輪胎哪些屬性與價格呈現正相關，從而幫助產品定價。

自變量處理

輪胎屬性數據屬于分類變量，二維數據已0/1數據變換，多維分類數據已one-hot編碼虛擬變量變換，數值型數據已均值標準化。

計算相關系數矩陣

矩陣因變量和自變量之間的相關系數已通過斯皮爾曼相關系數獲得。

第二部分：數據獲取

根據第一部分因變量和自變量數據，通過python采集數據

2.1 爬蟲層次結構

2.2 爬蟲代碼

此處省略

2.3 爬蟲結果

第三部分：數據預處理

3.1 數據集成

數據集成就是將不同來源的數據匯集在一起，統一不同來源數據的矛盾之處和刪除冗余數據

''' 數據集成的意思是將不同來源的數據匯集在一起，放在同一個地方，如數據倉庫的過程 ''' tuhu_df = pd.DataFrame() tuhu_part01 = pd.read_csv(open(r'E:點評數據途虎輪胎價格爬蟲原始數據_part01.csv',encoding='utf8')) tuhu_part02 = pd.read_csv(open(r'E:點評數據途虎輪胎價格爬蟲原始數據_part02.csv',encoding='utf8')) tuhu_part03 = pd.read_csv(open(r'E:點評數據途虎輪胎價格爬蟲原始數據_part03.csv',encoding='utf8')) tuhu_part04 = pd.read_csv(open(r'E:點評數據途虎輪胎價格爬蟲原始數據_part04.csv',encoding='utf8')) tuhu_list = [tuhu_part01,tuhu_part02,tuhu_part03,tuhu_part04] tuhu_df = tuhu_df.append(tuhu_list,ignore_index=True) tuhu_df.head(3)

3.2 數據規約

數據規約包含屬性規約和數值規約，就是創建新屬性維數，刪除非必要維數降維。

本報告結合業務，還需處理的特征是品牌、規格尺寸、載重指數、速度級別和評分字段

3.2.1 brand特征

brand數據，“/”前面的數據就是品牌數據

# brand # 看一下品牌有多少種品牌數據 print(len(tuhu_data.brand.unique())) tuhu_data.brand.value_counts()

3.2.2 guige特征

根據業務經驗規格尺寸是由橫截面寬度，高寬比，R，輪胎內經尺寸組成的，此處數據規約時新增三個特征

''' 輪胎規格 = 橫截面寬度+高寬比+R+輪胎內徑尺寸 # 根據這個定義，可以增加三個字段,由于R和"/"是篩選字段的數據，先觀察一些沒有這兩個標志的數據有多少 '''

3.2.3 speed_level特征

''' 根據業務知識可知，速度級別也是分類數據，前面英文字母代碼是其分類標志 ''' # 先查看總計有多少種標志 print('速度級別總計有多少個',len(tuhu_data.speed_level.unique())) tuhu_data.speed_level.value_counts()

3.2.4 score特征

根據途虎網站評分機制，評分特征“/”前面的數據即是評分值

tuhu_data['score'] = tuhu_data['score'].map(lambda x:x.split('/')[0])

3.2.5 新增特征

3.3 數據清洗

數據清洗主要包含去重、缺失值處理和異常值處理。首先需要結合業務知識定標準，什么是重復值，什么是缺失值，什么是異常值，還可以結合業務系統和流程設計分析缺失值和異常值產生原因，最后改善數據質量。

缺失值和異常值篩選出來后，需要給出處理方法，主要但不限于不處理，剔除，網絡采集，第三方采集和數據插補。

3.3.1 去重

'' 在數據清洗過程中，發現存在重復數據，需要去重 '''

3.3.2 數據類型觀測和轉換

3.3.3 描述性統計分析

3.3.4 缺失值觀測和處理 # 缺失值觀測 tuhu_data.isnull().sum()# 缺失值處理 ''' 以上數據可知輪胎是特點存在缺失數據，且數據只有缺氣保用輪胎和非缺氣保用輪胎的差別， 因此對此類數據進行二值變換，1表示缺氣保用，0表示非缺氣保用，這里先不替換 '''

3.3.5 異常值觀測和處理

（1）通過簡單統計分析：通過最大最小值判斷，變量取值是否在合理范圍內。
（2）3σ原則（正態分布）：95.4%數據在距離均值2個標準差范圍內。
（3）箱型圖分析：箱型圖提供了識別異常值的一個標準。正常值介于（Q1 －1.5IQR，
Q3＋1.5IQR），Q1 稱為下四分位數，Q3 稱為上四分位數；IQR稱為四分位數
間距，IQR=Q3-Q1，正常值之外的，即是異常值。

以上數學分析方法，結合業務經驗判斷是否為離群點，以及離群點分析

# 獲取異常值數據，結合業務經驗評估數據是否異常 ''' 找出所有品牌異常值索引，便于篩選此類數據 '''

根據描述統計分析可知，輪胎價格最高是8888，根據業務經驗，這種價格存在的，但比較少見。 一般只存在于蘭博基尼和勞斯萊斯等超高端豪華車，且改價格條件下，規格一般更高。此處，暫不做數據刪除。

3.4 數據存儲

3.5 數據變換

數據變換包含簡單數據變化，規范化，連續屬性離散化。

簡單數據變換是對原始數據進行函數處理，比如說甲方和l對數運算，規范化主要是離差標準化、0-均值標準化、小數定標規范化，連續屬性離散化是對數據分群處理。

本報告采用0-均值規范化

第四部分：數據分析

1 哪些品牌銷售市場更好，其輪胎屬性優先度如何。

-- 哪些品牌銷售市場更好 SELECT brand,SUM(numper) AS total_sales FROM tuhu_price_tbl GROUP BY brand ORDER BY total_sales DESC LIMIT 5; -- 哪些品牌銷售市場更好，其載重指數優先度如何 SELECT t.brand, t.load_index, SUM(t.numper) AS total_sales FROM tuhu_price_tbl AS t INNER JOIN (SELECT brand,SUM(numper) AS total_sales FROM tuhu_price_tbl GROUP BY brand ORDER BY total_sales DESC LIMIT 5) AS m ON t.brand = m.brand GROUP BY brand, load_index ORDER BY brand, total_sales DESC;

# 哪些品牌銷售市場更好，其規格尺寸優先度如何 guige_merge_df = pd.merge(tuhu_data,num_sum_df,on=['brand','guige']) guige_merge_df = guige_merge_df.loc[:,['brand','guige','num_sum']] # 去重 guige_merge_df.drop_duplicates(subset=['brand','guige','num_sum'],inplace=True) # 排序,1表示升序，0表示降序 guige_merge_df.sort_values(by=['brand','num_sum'],ascending=[1,0],inplace=True) # 篩選 guige_merge_df.groupby(['brand']).head(3)

2 途虎銷售數據，品牌貢獻度如何，是否存在二八定律。

SELECT brand, SUM(numper) AS total_sales,ROUND(SUM(numper)/(SELECT SUM(numper) FROM tuhu_price_tbl),3) AS ratio FROM tuhu_price_tbl GROUP BY brand ORDER BY ratio DESC;-- 子查詢 SELECT m.brand, m.total_sales, (SELECT SUM(n.ratio) FROM (SELECT brand, SUM(numper) AS total_sales,ROUND(SUM(numper)/(SELECT SUM(numper) FROM tuhu_price_tbl),3) AS ratio FROM tuhu_price_tbl GROUP BY brand ORDER BY ratio DESC) AS n WHERE m.ratio <= n.ratio) AS total_ratioFROM (SELECT brand, SUM(numper) AS total_sales,ROUND(SUM(numper)/(SELECT SUM(numper) FROM tuhu_price_tbl),3) AS ratio FROM tuhu_price_tbl GROUP BY brand ORDER BY ratio DESC) AS m ORDER BY total_ratio;

3 哪些品牌營收數據更好，其輪胎屬性優先度如何。

-- 途虎主營輪胎品牌銷售營收 SELECT brand,SUM(price*numper) AS total_money FROM tuhu_price_tbl GROUP BY brand ORDER BY total_money DESC;-- 品牌速度級別營收數據 SELECT t.brand, t.speed_level, sum(t.money) AS sum_money FROM tuhu_price_tbl AS t INNER JOIN (SELECT brand,SUM(price*numper) AS total_money FROM tuhu_price_tbl GROUP BY brand ORDER BY total_money DESC LIMIT 5) AS m ON t.brand = m.brand GROUP BY brand, speed_level ORDER BY brand, sum_money DESC;

4 途虎營收數據，品牌貢獻度如何，是否存在二八定律。

5 途虎價格數據，各品牌價格分布如何，價格區間分組分布。

6 用戶消費水平是怎樣的，品牌消費區間分布如何。

6.1 品牌輪胎君之價格排序

6.2 研究用戶價格選擇區間，對價格敏感點

7 途虎品牌輪胎，按照銷量和營收分群分析。

7.1 模擬客戶分群，依靠消費次數和總消費金額對數值對輪胎品類分群

7.2 銷量與價格分析

8 途虎品牌輪胎， NMPS分類分析。

模擬電商行業RFM分析，模型對品牌輪胎分群，以購買數量 N，消費總金額M，品牌消費單價 P，品牌 評分 S，對輪胎品類分群。

''' 由于不存在用戶行為信息，本小結模擬客戶分析中的RFM分析 購買數量N--可以認為是市場需求 消費總金額M--可以認為是市場潛力 品牌消費單價P--可以認為是高質量高消費水平，高客單產品 品牌評分S-- 可以認為是車主對輪胎的評分，是高推薦的代表 '''

9 影響平臺營收、銷量、獲得評分的因素有哪些，排序如何。

（1）相關性分析前，二維分類變量已經使用0/1變換，多維分類變量已經

采用one-hot編碼虛擬變量變換，數值型數據均值標準化。

（2）以從營收、銷量和價格為維度，分析自變量的相關性，著重分析相關系數，

因變量 與均值價格的關系。

10 聚類分析

根據銷量，價格和評分對途虎_ID聚類分析

第五部分：數據可視化

本報告主要展示的是分布、組成、比較和練習，因此主要圖形是直方圖、核密度曲線、箱型圖、樹狀圖、條形圖、堆積圖、柏拉圖和折線圖。

第六部分：撰寫數據報告

報告結構如下：

1 分析背景和目的
2 分析方法和過程
3 結論和建議

鏈接：

https://pan.baidu.com/s/1oWnj-Tw_1IhwpkUqNjnObA?pan.baidu.com

提取碼：

備注：
1 本報告不是演示所用，只是為方便閱讀，因此在單頁PPT文字轉述與PPT存在重復，PPT字體大小也不為演示所用。
2 報告主要是展示數據分析方法論和數據分析方法，有些地方意在告訴讀者，筆者掌握某項技能 ，而沒有簡練純粹的表達。

總結

以上是生活随笔為你收集整理的python轮胎_如何用数据分析方法剖析途虎轮胎数据的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。