一、数据描述

1、数据字段及解释

order_id：订单号id

quantity：数量

item_name：商品名称

choice_description：订单备注

item_price：商品价格

2、导入数据

二、提出问题

1、猜想订单备注信息或许与收入有关系

2、猜想订单数量或许与商品价格有关系

三、数据清洗和预处理

1、查找查看不同item的购买数量

2、不同item出现的次数统计

3、对price进行处理

4、增加“sub_total”列，查看每笔订单的总金额

5、对异常值，进行删除处理

四、数据可视化

1、绘制整体“description_len”与"sub_total"的关系

2、通过聚类方法进行分组，选取方法：KMeans, DBSCAN, MeanShift, AgglomerativeClustering, OPTICS

五、总结

如果从用户消费习惯分类，可以将理想分类模型先用tableau进行模拟，分类规则制定的思想：

1、description 较长，但订单总价不高，大体处于订单总价中最低档，用户价值较低，但用户参与度较高，可以推送促销、打折商品，对价格敏感度高
2、description 较短，并且订单总价较为集中，大体仍处于订单总价中最低档。用户价值较低，且用户参与度不高，可以推送促销、打折商品，对价格敏感度高
3、description 较长，订单总价大体处于订单总价中中等档。用户价值较高，且参与度较高。可以推送价格适中的商品，或促销打折的大牌商品
4、description 较长，订单总价大体处于订单总价中最高档，较为分散。用户价值很高，参与度较为分散，可以推送大牌潮牌等商品

数据探索性分析案例实现

原文：https://www.cnblogs.com/lvjunfeng/p/14901705.html