本期，我们使用Pandas对阿里天池中的电商购物用户行为数据分析，数据来源为：阿里天池电商购物用户行为分析数据_数据集-阿里云天池 (aliyun.com)文档说明为：电商购物用户行为分析数据 这份数据集是一个顾客购物信息的集合，记录了不同顾客在不同时间的购物行为。每一行代表一个单独的购物发票记录，数据集中包含了以下属性：
1. invoice_no: 发票号码，是每次交易的唯一标识符。2. customer_id: 顾客的ID，用于标识不同的顾客。3. gender: 顾客的性别，分为"Male"（男性）和"Female"（女性）。4. age: 顾客的年龄。5. category: 顾客购买的商品类别，如"Clothing"（服装）、"Shoes"（鞋子）、"Books"（书籍）、"Cosmetics"（化妆品）、"Toys"（玩具）、"Food & Beverage"（食品和饮料）、"Technology"（科技产品）、"Souvenir"（纪念品）等。6. quantity: 顾客购买的商品数量。7. price: 顾客为这次购物支付的总金额。8. payment_method: 顾客使用的支付方式，包括"Alipay"（支付宝）、"WeChat Pay"（微信支付）、"Card"（银行卡）。9. invoice_date: 发票日期，记录了交易发生的日期。
具体界面为： 
文件不大，下载下来大概只有5.83M左右，用Pandas来看看？
一、导入数据
import pandas as pd df=pd.read_csv('customer_shopping_data.csv')df
共99457行数据，不到10万行数据。二、看看有没有重复用户？
df['customer_id'].unique
99457行，没有重复用户ID三、统计品类1. 统计商品类别数量
dfc=df.groupby('category').agg({'category':'count'})dfc
当然，这里也可以使用
a=df['category'].value_counts()a
画个饼图
import matplotlib.pyplot as pltplt.figure()plt.pie(dfp['price'], labels=dfp.index, autopct='%1.1f%%')plt.show()
数量排名前三的为：服装、化妆品、食品和饮料，果然衣食为大 
2. 统计商品品类购买金额情况
df_cost=df.groupby('category').agg({'price':'sum'})df_cost.sort_values(by='price',ascending=False)
画个饼图：
销售金额前三名为：服装、鞋、科技产品，科技产品虽然种类卖的少，但架不住单个价值高啊 
。
未完待续！
