Python电商平台数据分析实战：从数据提取到业务决策（附完整代码）
在电商行业竞争日趋激烈的当下，数据分析已成为企业优化运营策略、提升用户体验、驱动业务增长的核心引擎。从用户行为轨迹到商品销量波动，从订单成交数据到库存周转情况，每一份数据背后都隐藏着影响业务决策的关键信息。本文将以Python为核心工具，从电商数据分析的核心场景出发，带大家完成“数据获取-数据清洗-数据分析-可视化呈现-业务落地”的全流程实战，并分享电商数据分析中的关键技术要点与避坑指南。
一、电商数据分析核心场景与技术栈选型
1.1 核心分析场景
电商数据分析需围绕“人、货、场”三大核心要素展开，常见分析场景包括：
用户分析：用户画像构建、留存率分析、复购率计算、用户行为路径挖掘（如浏览-加购-下单转化）；
商品分析：销量TOP商品统计、品类分布分析、商品生命周期判断、库存预警分析；
订单分析：成交金额（GMV）趋势、支付方式占比、订单取消/退款原因分析、区域销售分布；
运营分析：营销活动效果评估（如优惠券使用转化率）、流量来源分析、页面跳转转化率。
1.2 核心技术栈选型
针对电商数据分析的实操需求，推荐轻量、高效的Python技术栈组合，兼顾新手友好性与企业级实用性：
数据提取：SQL（从MySQL/PostgreSQL等电商数据库提取数据）、pandas（读取CSV/Excel等本地数据文件）；
数据清洗与处理：pandas、numpy（处理缺失值、异常值、数据格式转换）；
数据可视化：matplotlib、seaborn（基础图表）、pyecharts（交互式图表，适配CSDN在线展示）；
进阶分析：scikit-learn（用户分群、销量预测等简单机器学习任务）。
基础依赖安装命令：
pip install pandas numpy matplotlib seaborn pyecharts sqlalchemy提示：sqlalchemy用于Python连接MySQL等数据库，若仅分析本地数据文件，可无需安装。
二、实战：电商核心数据全流程分析
本次实战基于某电商平台公开测试数据集（包含用户表、商品表、订单表3张核心表），聚焦“用户复购分析”与“商品销量分析”两大核心场景，完成全流程数据分析。
2.1 步骤1：数据获取（本地文件/数据库）
电商数据通常存储在数据库中，此处提供“本地CSV文件读取”和“MySQL数据库连接读取”两种方式，适配不同数据来源场景。
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sqlalchemy import create_engine
# 设置中文字体（解决matplotlib中文乱码问题）
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 方式1：读取本地CSV文件（适合小体量测试数据）
df_user = pd.read_csv("user.csv") # 用户表：user_id(用户ID)、register_time(注册时间)、gender(性别)、city(城市)
df_product = pd.read_csv("product.csv") # 商品表：product_id(商品ID)、category(品类)、price(单价)、stock(库存)
df_order = pd.read_csv("order.csv") # 订单表：order_id(订单ID)、user_id(用户ID)、product_id(商品ID)、order_time(下单时间)、pay_amount(支付金额)、pay_status(支付状态)
# 方式2：连接MySQL数据库读取数据（适合企业级海量数据）
# 1. 构建数据库连接
engine = create_engine("mysql+pymysql://用户名:密码@主机IP:端口号/电商数据库名?charset=utf8mb4")
# 2. 执行SQL查询提取数据
sql_user = "SELECT user_id, register_time, gender, city FROM user WHERE register_time > '2024-01-01'"
df_user = pd.read_sql_query(sql_user, engine)
sql_order = "SELECT order_id, user_id, product_id, order_time, pay_amount, pay_status FROM `order` WHERE pay_status = 1" # 只取已支付订单
df_order = pd.read_sql_query(sql_order, engine)2.2 步骤2：数据清洗（核心前置步骤）
电商原始数据常存在缺失值、异常值、格式不统一等问题，需先完成清洗才能保证分析结果准确。本次清洗重点处理以下问题：
def data_cleaning():
# 1. 查看数据基本信息（缺失值、数据类型）
print("订单表缺失值统计：")
print(df_order.isnull().sum())
print("\n订单表数据类型：")
print(df_order.dtypes)
# 2. 处理缺失值（根据业务场景：订单表核心字段缺失则删除，非核心字段填充）
df_order_clean = df_order.dropna(subset=["user_id", "order_time", "pay_amount"]) # 删除核心字段缺失的订单
df_user_clean = df_user.fillna({"gender": "未知", "city": "未知"}) # 填充用户表非核心字段缺失值
# 3. 处理异常值（如支付金额≤0、订单时间异常）
# 过滤支付金额异常订单（正常订单支付金额>0）
df_order_clean = df_order_clean[df_order_clean["pay_amount"] > 0]
# 转换订单时间格式，并过滤时间异常订单（如早于2024年1月1日的测试数据）
df_order_clean["order_time"] = pd.to_datetime(df_order_clean["order_time"])
df_order_clean = df_order_clean[df_order_clean["order_time"] > pd.to_datetime("2024-01-01")]
# 4. 数据格式统一（如用户ID转为字符串类型，避免数值型ID误判）
df_user_clean["user_id"] = df_user_clean["user_id"].astype(str)
df_order_clean["user_id"] = df_order_clean["user_id"].astype(str)
df_order_clean["product_id"] = df_order_clean["product_id"].astype(str)
# 5. 合并表数据（关联用户-订单-商品信息，便于后续分析）
df_merge = pd.merge(df_order_clean, df_user_clean, on="user_id", how="left")
df_merge = pd.merge(df_merge, df_product, on="product_id", how="left")
print(f"\n清洗前订单数：{len(df_order)}")
print(f"清洗后订单数：{len(df_order_clean)}")
return df_merge
# 执行数据清洗
df_analysis = data_cleaning()2.3 步骤3：核心场景分析（用户复购+商品销量）
3.3.1 场景1：用户复购率分析
复购率是衡量用户忠诚度的核心指标，计算公式：复购用户数/总付费用户数（复购用户定义：下单次数≥2的用户）。
def user_repurchase_analysis(df):
# 1. 统计每个用户的下单次数
user_order_count = df.groupby("user_id")["order_id"].nunique().reset_index()
user_order_count.columns = ["user_id", "order_count"]
# 2. 计算复购用户数和复购率
total_pay_user = len(user_order_count) # 总付费用户数
repurchase_user = len(user_order_count[user_order_count["order_count"] >= 2]) # 复购用户数
repurchase_rate = repurchase_user / total_pay_user * 100
print(f"总付费用户数：{total_pay_user}")
print(f"复购用户数：{repurchase_user}")
print(f"复购率：{repurchase_rate:.2f}%")
# 3. 按月份统计复购率趋势（分析复购率随时间变化）
df["order_month"] = df["order_time"].dt.to_period("M") # 提取订单月份
month_user_stats = []
for month in df["order_month"].unique():
month_df = df[df["order_month"] == month]
month_pay_user = len(month_df["user_id"].unique())
month_repurchase_user = len(month_df[month_df["user_id"].isin(repurchase_user_list)]["user_id"].unique())
month_repurchase_rate = month_repurchase_user / month_pay_user * 100 if month_pay_user > 0 else 0
month_user_stats.append({"月份": str(month), "付费用户数": month_pay_user, "复购用户数": month_repurchase_user, "复购率": month_repurchase_rate})
df_month_repurchase = pd.DataFrame(month_user_stats)
print("\n各月份复购率统计：")
print(df_month_repurchase)
return user_order_count, df_month_repurchase
# 提取复购用户列表（用于后续月份趋势分析）
user_order_count, df_month_repurchase = user_repurchase_analysis(df_analysis)
repurchase_user_list = user_order_count[user_order_count["order_count"] >= 2]["user_id"].tolist()3.3.2 场景2：商品销量与品类分析
分析商品销量TOP10和品类分布，为商品采购、库存优化、营销重点提供数据支撑。
def product_sales_analysis(df):
# 1. 统计各商品销量（按订单数统计，若需按实际销量需关联订单详情表的购买数量）
product_sales = df.groupby("product_id")["order_id"].nunique().reset_index()
product_sales.columns = ["product_id", "sales_count"]
# 关联商品信息，获取商品品类和单价
product_sales_detail = pd.merge(product_sales, df[["product_id", "category", "price"]].drop_duplicates(), on="product_id", how="left")
# 排序获取销量TOP10商品
top10_product = product_sales_detail.sort_values("sales_count", ascending=False).head(10)
print("销量TOP10商品：")
print(top10_product)
# 2. 统计各品类销量和销售额
category_stats = df.groupby("category").agg({
"order_id": "nunique", # 品类订单数
"pay_amount": "sum" # 品类销售额
}).reset_index()
category_stats.columns = ["品类", "订单数", "销售额"]
category_stats["销售额占比"] = category_stats["销售额"] / category_stats["销售额"].sum() * 100
print("\n各品类销量与销售额统计：")
print(category_stats)
return top10_product, category_stats
top10_product, category_stats = product_sales_analysis(df_analysis)2.4 步骤4：数据可视化（直观呈现分析结果）
通过图表将分析结果可视化，便于快速解读和汇报。此处制作4个核心图表：复购率趋势图、商品销量TOP10柱状图、品类销售额占比饼图、用户城市分布柱状图。
def data_visualization(df_month_repurchase, top10_product, category_stats, df_analysis):
# 1. 复购率趋势图
plt.figure(figsize=(12, 8))
plt.subplot(2, 2, 1)
plt.plot(df_month_repurchase["月份"], df_month_repurchase["复购率"], marker="o", color="#1f77b4")
plt.title("2024年各月份复购率趋势", fontsize=12)
plt.xlabel("月份")
plt.ylabel("复购率（%）")
plt.xticks(rotation=45)
plt.grid(alpha=0.3)
# 2. 商品销量TOP10柱状图
plt.subplot(2, 2, 2)
plt.barh(top10_product["product_id"], top10_product["sales_count"], color="#ff7f0e")
plt.title("销量TOP10商品", fontsize=12)
plt.xlabel("销量（订单数）")
plt.ylabel("商品ID")
plt.grid(alpha=0.3, axis="x")
# 3. 品类销售额占比饼图
plt.subplot(2, 2, 3)
plt.pie(category_stats["销售额"], labels=category_stats["品类"], autopct="%1.1f%%", startangle=90, colors=["#2ca02c", "#d62728", "#9467bd", "#8c564b", "#e377c2"])
plt.title("各品类销售额占比", fontsize=12)
plt.axis("equal") # 保证饼图为正圆形
# 4. 用户城市分布柱状图（取TOP10城市）
city_user = df_analysis["city"].value_counts().head(10)
plt.subplot(2, 2, 4)
plt.bar(city_user.index, city_user.values, color="#bcbd22")
plt.title("付费用户TOP10城市分布", fontsize=12)
plt.xlabel("城市")
plt.ylabel("用户数")
plt.xticks(rotation=45)
plt.grid(alpha=0.3, axis="y")
# 调整子图间距，避免重叠
plt.tight_layout()
# 保存图片（可直接在CSDN文章中插入）
plt.savefig("ecommerce_analysis_charts.png", dpi=300, bbox_inches="tight")
plt.show()
# 执行可视化
data_visualization(df_month_repurchase, top10_product, category_stats, df_analysis)2.5 步骤5：分析结果解读与业务建议
数据分析的核心价值在于指导业务决策，结合本次分析结果给出具体建议：
复购率优化：若某月份复购率偏低（如2月份），可针对该月付费用户推送专属优惠券、会员积分翻倍等活动，提升用户复购意愿；
商品运营：销量TOP10商品可重点保障库存，设置“爆款专区”提升曝光；销售额占比低的品类可优化商品选型或开展促销活动；
用户运营：付费用户集中的TOP10城市可重点布局本地仓储，提升物流时效；针对“未知”性别/城市的用户，可通过APP弹窗引导完善个人信息，精准推送商品；
库存优化：结合销量趋势预测，提前备货爆款商品，避免缺货；对销量低迷的商品及时清仓，减少库存积压。
三、电商数据分析关键注意事项
3.1 数据口径统一是前提
不同部门对同一指标的定义可能存在差异（如“复购率”可按“30天内复购”“90天内复购”区分），分析前需与业务部门确认统一数据口径，避免分析结果偏差。
3.2 重视数据时效性与安全性
电商数据实时变化，需保证分析数据的时效性（如用近3个月数据替代全年数据）；同时，用户手机号、地址等隐私数据需严格脱敏处理，遵守《个人信息保护法》相关规定。
3.3 避免“唯数据论”，结合业务场景解读
数据异常需结合业务场景分析原因（如某商品销量骤降可能是缺货，而非用户需求下降）；分析结果需落地到具体可执行的业务动作，避免“为了分析而分析”。
3.4 海量数据的性能优化
若分析数据量达百万级以上，需注意性能优化：① 用SQL先筛选数据（如只取近6个月数据），减少Python处理数据量；② 避免使用循环，优先用pandas向量化操作；③ 必要时使用Spark等大数据框架。
四、进阶学习方向
基础数据分析后，可向以下方向深入，提升电商数据分析的深度和价值：
用户画像与精准营销：结合RFM模型（最近消费、消费频率、消费金额）对用户分群，针对性推送营销活动；
销量预测：使用时间序列模型（ARIMA、LSTM）预测商品销量，优化库存管理；
实时数据分析：基于Flink/Spark Streaming构建实时分析平台，监控订单、流量等核心指标；
AB测试：针对营销活动、页面设计等开展AB测试，量化不同方案的效果。
总结
本文通过Python实现了电商平台“数据获取-清洗-分析-可视化-业务落地”的全流程实战，核心在于掌握pandas的数据处理能力和matplotlib的可视化技巧，更重要的是建立“数据驱动业务”的思维。电商数据分析没有固定模板，需根据企业实际业务场景灵活调整分析维度和方法。
建议大家结合本文代码，用自己的数据集动手实践，逐步积累分析经验。如果本文对你有帮助，欢迎点赞、收藏，也欢迎在评论区分享你的电商数据分析心得或问题！
附：本文所用测试数据集可通过 Kaggle（搜索“E-commerce Dataset”）获取，替换代码中的文件路径即可直接运行。
