23 物流行业数据分析
23.1 引言物流数据分析的维度
物流行业关键指标: - 时效性: 按时交货率 - 质量: 产品合格率、返修率 - 区域: 不同区域表现 - 货品: 不同货品特点
23.2 数据清洗
# 注：data_wuliu.csv数据文件本地没有，但平台已经内置
# ⚠️ 平台原始代码 - 请原样输入至教学平台（注释除外），平台才会判定答案正确
import os # 导入操作系统接口模块
import pandas as pd # 导入Pandas数据分析库
import numpy as np # 导入NumPy数值计算库
import matplotlib.pyplot as plt # 导入Matplotlib绑图库
plt.rcParams['font.sans-serif'] = 'SimHei' ## 设置中文显示
## 数据清洗部分
data = pd.read_csv('data_wuliu.csv',encoding='gbk')
#删除重复记录
data.drop_duplicates(keep='first',inplace=True) #keep='first'默认值，保留第一次出现的重复记录
#删除缺失值
data.dropna(axis=0,how='any',inplace=True)
#删除订单行
data.drop(columns=['订单行'],inplace=True,axis=1)
print(data.info()) # 输出数据框基本信息
#更新索引(drop=True:把原来的索引index列删除，重置index)
data.reset_index(drop=True,inplace=True)
def data_deal(number): # 定义函数data_deal
if number.find('万元')!= -1:#找到带有万元的，取出数字，去掉逗号，转成float，*10000
number_new = float(number[:number.find('万元')].replace(',',''))*10000 # 替换数据中的指定值
pass # 占位符，暂不执行任何操作
else: #找到带有元的，删除元，删除逗号，转成float
number_new = float(number.replace('元','').replace(',','')) # 替换数据中的指定值
pass # 占位符，暂不执行任何操作
return number_new # 返回计算结果
data['销售金额'] = data['销售金额'].map(data_deal) # 对数据进行映射转换
print(data.describe()) # 输出描述性统计信息
#销售金额为0的情况，删除
data = data[data['销售金额']!=0].copy()
data['销售时间'] = pd.to_datetime(data['销售时间']) # 转换为日期时间格式
data['交货时间'] = pd.to_datetime(data['交货时间']) # 转换为日期时间格式
data['销售月份'] = data['销售时间'].dt.month # 提取日期时间属性
data['交货月份'] = data['交货时间'].dt.month # 提取日期时间属性
#1.配送是否存在问题研究
#月份维度
data['货品交货状况'] = data['货品交货状况'].str.strip()
data1 = data.groupby(['销售月份','货品交货状况']).size().unstack() #unstack()把行索引变成列索引
data1['按时交货率'] = data1['按时交货']/(data1['按时交货']+data1['晚交货']) # 提取按时交货列作为data1['按时交货率']变量
print("月份交货状况：\n",data1) # 输出月份交货状况：\n
data1 = data.groupby(['销售区域','货品交货状况']).size().unstack() # 按指定列分组聚合
data1['按时交货率'] = data1['按时交货']/(data1['按时交货']+data1['晚交货']) # 提取按时交货列作为data1['按时交货率']变量
data1 = data1.sort_values(data1.columns[-1],ascending=False) # 按指定列排序
print("销售区域交货状况：\n",data1) # 输出销售区域交货状况：\n
#泰国地区的按时交货率最高，西北地区的按时交货率最低，而且非常明显，可以看出，西北地区的配送服务存在问题，需要重点关注
#货品维度
data1 = data.groupby(['货品','货品交货状况']).size().unstack()
data1['按时交货率'] = data1['按时交货']/(data1['按时交货']+data1['晚交货']) # 提取按时交货列作为data1['按时交货率']变量
data1 = data1.sort_values(data1.columns[-1],ascending=False) # 按指定列排序
print("不同货品交货状况：\n",data1) # 输出不同货品交货状况：\n
#可以看出货品4的按时交货率最低
#货品和销售区域结合
data1 = data.groupby(['货品','销售区域','货品交货状况']).size().unstack()
data1['按时交货率'] = data1['按时交货']/(data1['按时交货']+data1['晚交货']) # 提取按时交货列作为data1['按时交货率']变量
data1 = data1.sort_values(data1.columns[-1],ascending=False) # 按指定列排序
print("货品和销售区域结合的交货状况：\n",data1) # 输出货品和销售区域结合的交货状况：\n
#2.是否存在尚有潜力的销售区域问题研究
#月份维度
data_month = data.groupby(['销售月份','货品'])['数量'].sum().unstack()
print("月份维度货品的销售情况：\n",data_month) # 输出月份维度货品的销售情况：\n
# 绘制各个月份的销售情况
data_month.plot(kind='line',figsize=(12,6))
plt.title('各个月份的销售情况') # 设置图表标题
plt.savefig("1.png") # 保存图形至文件
#货品2在10月和12月销量猛增，有可能是公司加大了营销力度，也有可能是开发了新的市场
#销售区域维度
data_region = data.groupby(['销售区域','货品'])['数量'].sum().unstack()
print("销售区域货品的销售情况：\n",data_region) # 输出销售区域货品的销售情况：\n
#从销售区域看，每种货品销售区域为1-3个，货品1有三个销售区域，货品2有两个销售区域，货品3、4、5、6只有一个销售区域，货品2在华东地区还有较大市场空间，适合加大投入，同时货品2在西北配送时效长，用户拒收率高，从成本角度考虑，应该减少投入。
#月份和区域结合
data_month_region = data.groupby(['销售月份','销售区域','货品'])['数量'].sum().unstack()
data_month_region['货品2'] # 查看货品2在各月份和区域的销售数量
#货品2没有开发新的市场，而是在华东地区加大了营销力度 可以在7，8，9月份加大华东地区的营销力度
#3.商品是否存在质量问题研究
data['货品用户反馈'] = data['货品用户反馈'].str.strip()
data3 = data.groupby(['货品','销售区域'])['货品用户反馈'].value_counts().unstack() # 按指定列分组聚合
data3['拒货率'] = data3['拒货']/data3.sum(axis=1) # 计算总和
data3['合格率'] = data3['质量合格']/data3.sum(axis=1) # 计算总和
data3['返修率'] = data3['返修']/data3.sum(axis=1) # 计算总和
# 按合格率、返修率、拒货率降序排列以识别质量问题货品
data3.sort_values(['合格率','返修率','拒货率'],ascending=False)
#货品3 6 5 的合格率较高，返修率较低，货品1 2 4 的合格率较低，返修率较高，货品1、2、4质量存在问题，建议扩大抽检范围，增大质检力度 货品2在马来西亚的拒货率最高，按时交货率最低，猜测马来西亚对时效性要求较高，需要提高时效性。货品2在马来西亚的销售量较低，可以考虑减少投入。23.3 数据转换
# 注：该代码块依赖的数据来自上方平台任务代码块，因其未执行，本块也无法执行
# =============================================================================
# 题目：销售金额数据的标准化转换
# =============================================================================
# 本代码处理销售金额列,将不同单位(万元、元)统一转换为元。数据转换
# 确保所有数值具有相同的量纲,便于后续分析和比较。同时还处理日期列,
# 提取时间特征(月份)用于时间序列分析。
# ==================== 定义数据转换函数 ====================
def data_deal(number):
"""
处理销售金额,统一为元
参数:
number: 销售金额字符串,可能包含'万元'或'元'单位
返回:
float: 转换后的金额(单位:元)
"""
# 检查字符串中是否包含'万元'
if number.find('万元') != -1:
# 如果包含'万元',提取数字部分并乘以10000转换为元
number_new = float(number[:number.find('万元')].replace(',', '')) * 10000
# number[:number.find('万元')]提取'万元'之前的数字部分
# .replace(',', '')删除千位分隔符(如"12,345"变为"12345")
# float()将字符串转换为浮点数
# * 10000将万元转换为元
else:
# 如果不包含'万元',假设单位为元,直接转换
number_new = float(number.replace('元', '').replace(',', ''))
# .replace('元', '')删除'元'字符
# .replace(',', '')删除千位分隔符
# float()转换为浮点数
return number_new # 返回转换后的数值
# ==================== 应用转换函数 ====================
# 使用map函数将转换函数应用到销售金额列的每个元素
data['销售金额'] = data['销售金额'].map(data_deal)
# map()方法对Series的每个元素应用指定函数
# data_deal函数处理每个销售金额值
# 转换后,所有销售金额都是数值类型,单位为元
# ==================== 删除异常值 ====================
# 删除销售金额为0的记录(可能是退单或数据错误)
data = data[data['销售金额'] != 0].copy()
# data['销售金额'] != 0创建布尔Series,筛选金额不为0的行
# .copy()创建新副本,避免SettingWithCopyWarning警告
# 删除异常值可以提高数据质量,避免影响分析结果
# ==================== 日期转换 ====================
# 将销售时间列转换为datetime类型
data['销售时间'] = pd.to_datetime(data['销售时间'])
# pd.to_datetime将字符串转换为datetime对象
# 转换后可以使用.dt访问器提取时间特征(年、月、日、星期等)
# 将交货时间列转换为datetime类型
data['交货时间'] = pd.to_datetime(data['交货时间'])
# 同样转换为datetime类型,便于计算时间差
# ==================== 提取时间特征 ====================
# 从销售时间中提取月份(1-12)
data['销售月份'] = data['销售时间'].dt.month
# .dt.month返回月份的数值表示
# 用于分析销售的季节性规律
# 从交货时间中提取月份
data['交货月份'] = data['交货时间'].dt.month
# 同样提取交货月份,用于分析交货的月度分布
# ==================== 预览转换结果 ====================
# 打印转换后的数据前几行
print("数据转换完成:")
print(data[['销售金额', '销售时间', '交货时间']].head())
# head()默认显示前5行
# 选择这三列进行预览,确认转换成功
# ==================== 输出解读 ====================
# 数据转换使数据更适合分析:
# 1. 单位统一:所有金额都转换为元,便于比较和计算
# 例如: "5万元" → 50000, "12345元" → 12345
# 2. 日期转换:字符串 → datetime对象,可以:
# - 计算时间差(交货周期 = 交货时间 - 销售时间)
# - 提取时间特征(年、月、日、星期)
# - 按时间排序和分组
# 3. 删除异常值:金额为0可能是数据错误或退单,删除可以提高分析准确性
# 4. 提取特征:销售月份和交货月份可用于:
# - 分析季节性规律(如11月、12月销售是否增长)
# - 对比不同月份的按时交货率
# - 识别业务高峰期23.4 配送问题分析
# 注：该代码块依赖的数据来自上方平台任务代码块，因其未执行，本块也无法执行
# =============================================================================
# 题目：按时交货率的多维度对比分析
# =============================================================================
# 本代码从月份和销售区域两个维度分析按时交货率,识别配送服务的薄弱环节。
# 按时交货率是物流服务的核心KPI,直接影响客户满意度。通过多维度分析,
# 可以发现系统性问题(如特定区域或时段的服务质量下降)。
# ==================== 清洗交货状态数据 ====================
# 去除货品交货状况列的前后空格
data['货品交货状况'] = data['货品交货状况'].str.strip()
# .str.strip()删除字符串开头和结尾的空白字符
# 数据录入时可能包含多余的空格,如" 按时交货 " → "按时交货"
# 清洗后可以正确分组统计
# ==================== 月份维度分析 ====================
# 按销售月份和交货状况分组,统计订单数量
data1 = data.groupby(['销售月份', '货品交货状况']).size().unstack()
# groupby按多列分组(销售月份、交货状况)
# .size()计算每个组合的数量
# .unstack()将分组索引转换为列,使数据更易读
# 结果格式:行=月份,列=交货状况('按时交货','晚交货'),值=订单数
# 计算每个月的按时交货率
data1['按时交货率'] = data1['按时交货'] / (data1['按时交货'] + data1['晚交货'])
# 按时交货率 = 按时交货订单数 / 总订单数
# 结果是0-1之间的小数,如0.95表示95%按时交货
# 打印月份维度的交货状况
print("月份交货状况:")
print(data1) # 显示每个月的订单数和按时交货率
# ==================== 销售区域维度分析 ====================
# 按销售区域和交货状况分组,统计订单数量
data1 = data.groupby(['销售区域', '货品交货状况']).size().unstack()
# 同样的groupby操作,但分组变量改为销售区域
# 这样可以对比不同地区的服务质量
# 计算每个销售区域的按时交货率
data1['按时交货率'] = data1['按时交货'] / (data1['按时交货'] + data1['晚交货'])
# 公式相同,但现在是按区域计算
# 按按时交货率降序排序
data1 = data1.sort_values(data1.columns[-1], ascending=False)
# data1.columns[-1]是最后一列('按时交货率')
# ascending=False表示降序(按时交货率高的排在前面)
# 排序后可以快速识别表现最好和最差的区域
# 打印销售区域维度的交货状况
print("\n销售区域交货状况:")
print(data1) # 显示每个区域的订单数和按时交货率
# ==================== 输出解读 ====================
# 多维度分析可以发现不同层面的业务问题:
#
# 1. 月份维度:
# - 识别特定月份的服务质量下降(如双11、春节期间可能晚交货率上升)
# - 分析季节性规律,提前准备资源
# - 例如:12月晚交货率可能高于其他月份,因为年尾订单量大
#
# 2. 区域维度:
# - 识别服务薄弱区域(如西北地区按时交货率最低)
# - 优秀区域可以作为标杆,学习最佳实践
# - 例如:华东地区按时交货率98%,西北地区仅85%,需要改进西北物流
#
# 3. 改进建议:
# - 对按时交货率低的区域增加配送资源
# - 在高峰期(如12月)提前做好运力储备
# - 分析晚交货订单的共同特征,找出根本原因
# - 建立预警机制,按时交货率低于阈值时自动报警23.5 销售潜力分析
# 注：该代码块依赖的数据来自上方平台任务代码块，因其未执行，本块也无法执行
# =============================================================================
# 题目：货品销售的月度趋势分析
# =============================================================================
# 本代码分析不同货品在各月的销售数量,通过折线图可视化销售趋势,
# 识别热销产品和销售高峰期。销售潜力分析有助于优化库存管理和营销策略。
# ==================== 月份维度货品销售统计 ====================
# 按销售月份和货品分组,统计销售数量
data_month = data.groupby(['销售月份', '货品'])['数量'].sum().unstack()
# groupby按月份和货品两个维度分组
# ['数量']选择要聚合的列(销售数量)
# .sum()计算每组销售数量的总和
# .unstack()将货品从索引转为列,使数据更适合可视化
# 打印月份维度的货品销售情况
print("月份维度货品销售情况:")
print(data_month) # 显示每个月各货品的销售数量
# ==================== 可视化销售趋势 ====================
# 绘制折线图,展示各货品销售数量随时间的变化
data_month.plot(kind='line', figsize=(12, 6))
# kind='line'指定绘制折线图(也可以简写为data_month.plot())
# figsize=(12, 6)设置图表尺寸为12x6英寸
# 每个货品一条线,不同颜色区分
# 设置图表标题
plt.title('各个月份的销售情况') # 标题说明图表内容
# 设置x轴标签
plt.xlabel('月份') # x轴表示月份(1-12)
# 设置y轴标签
plt.ylabel('销售数量') # y轴表示销售数量
# 添加网格线,便于读取数值
plt.grid(True, alpha=0.3) # alpha=0.3设置网格线透明度
# 添加图例
plt.legend(title='货品') # 图例标题为"货品"
# 自动调整布局并显示图表
plt.tight_layout() # 防止标签重叠
plt.show() # 显示完整的折线图
# ==================== 输出解读 ====================
# 销售趋势分析可以揭示多种商业洞察:
#
# 1. 季节性规律:
# - 某些货品在特定月份销量激增(如空调在夏季销量高)
# - 识别规律后可以提前备货,避免缺货
#
# 2. 货品表现对比:
# - 货品2和货品3是畅销品,销售曲线持续高于其他货品
# - 货品4销量较低,可能需要促销或淘汰
# - 货品1在10月和12月销量猛增,可能有促销活动
#
# 3. 业务决策支持:
# - 库存管理:根据预测备货,减少库存积压
# - 营销策略:在淡季推出促销,刺激销售
# - 产品策略:淘汰滞销品,增加畅销品库存
# - 人员安排:在高峰期增加临时工
#
# 4. 可视化优势:
# - 折线图直观展示趋势和变化
# - 多条线对比容易发现规律
# - 异常点(如突然的峰值)一目了然23.6 质量问题分析
# 注：该代码块依赖的数据来自上方平台任务代码块，因其未执行，本块也无法执行
# =============================================================================
# 题目：基于用户反馈的产品质量分析
# =============================================================================
# 本代码分析货品的质量问题,包括拒货率、合格率、返修率等指标。质量
# 分析是质量管理的重要环节,可以识别问题产品和问题区域,指导改进措施。
# ==================== 清洗用户反馈数据 ====================
# 去除货品用户反馈列的前后空格
data['货品用户反馈'] = data['货品用户反馈'].str.strip()
# .str.strip()删除字符串开头和结尾的空白字符
# 用户反馈可能有"质量合格"、"拒货"、"返修"等值
# 清洗后可以正确分类统计
# ==================== 按货品和区域统计反馈 ====================
# 按货品和销售区域分组,统计各种反馈的数量
data3 = data.groupby(['货品', '销售区域'])['货品用户反馈'].value_counts().unstack()
# groupby按货品和销售区域两个维度分组
# ['货品用户反馈']是要统计的列
# .value_counts()计算每种反馈的次数
# .unstack()将反馈类型从索引转为列
# ==================== 计算各类质量指标 ====================
# 计算拒货率(拒货数量 / 总反馈数量)
data3['拒货率'] = data3['拒货'] / data3.sum(axis=1)
# data3.sum(axis=1)计算每行的总和(即该货品在该区域的总反馈数)
# 拒货率 = 拒货数 / 总数
# 拒货通常指客户拒绝收货,可能因货损、错发等原因
# 计算合格率(质量合格数量 / 总反馈数量)
data3['合格率'] = data3['质量合格'] / data3.sum(axis=1)
# 合格率 = 质合格数 / 总数
# 质量合格表示产品符合标准,客户满意
# 计算返修率(返修数量 / 总反馈数量)
data3['返修率'] = data3['返修'] / data3.sum(axis=1)
# 返修率 = 返修数 / 总数
# 返修表示产品有问题,需要维修或更换
# ==================== 排序 ====================
# 按合格率、返修率、拒货率的优先级排序
data3 = data3.sort_values(['合格率', '返修率', '拒货率'], ascending=False)
# 按多列排序,优先级从左到右
# ascending=False表示降序(合格率高的排在前面)
# 排序后可以快速识别质量最好和最差的产品-区域组合
# ==================== 输出质量分析结果 ====================
# 打印货品质量分析表
print("货品质量分析:")
print(data3) # 显示每个货品在每个区域的质量指标
# ==================== 输出解读 ====================
# 质量分析揭示了产品和服务的多个方面:
#
# 1. 质量指标解读:
# - 合格率:越高越好,表示产品符合客户预期
# - 返修率:越低越好,高返修率说明产品可靠性差
# - 拒货率:越低越好,高拒货率说明配送或产品有问题
#
# 2. 问题识别:
# - 货品1、2、4的合格率较低,需要改进产品质量
# - 货品2在马来西亚拒货率高,可能是国际物流问题
# - 某些区域返修率高,可能需要检查当地配送条件
#
# 3. 改进措施:
# - 产品:提高质量控制,加强出厂检验
# - 包装:改进包装,减少运输损坏
# - 配送:优化物流流程,提升服务质量
# - 售后:建立快速响应机制,及时处理问题
#
# 4. 管理决策:
# - 暂停质量问题产品的发货
# - 对问题区域进行专项整改
# - 建立质量追溯体系,找出问题根源
# - 定期监控质量指标,持续改进
## 分析结论
**配送问题**:
- 西北地区按时交货率最低,需重点关注
- 货品4按时交货率最低
**销售潜力**:
- 货品2在华东地区有增长空间
- 10月和12月销量猛增,可能因促销活动
**质量问题**:
- 货品1、2、4合格率较低
- 货品2在马来西亚拒货率高