# ecommerce-analysis

**Repository Path**: lk_2026/ecommerce-analysis

## Basic Information

- **Project Name**: ecommerce-analysis
- **Description**: 电商数据分析
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-06
- **Last Updated**: 2026-06-06

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 电商平台商品与用户行为数据分析

基于 UK Online Retail 数据集（541,909 条交易记录）的电商数据分析项目。

## 项目结构

```
ecommerce-analysis/
├── data/                          # 数据集（已生成，直接使用）
│   ├── transactions.csv           # 全量交易数据 (39.8万行)
│   ├── products.csv               # 商品维度汇总 (3665 SKU)
│   ├── customers.csv              # 客户维度汇总 (4338 人)
│   ├── monthly_sales.csv          # 月度销售汇总
│   └── orders.csv                 # 订单级别汇总 (1.85万单)
├── modules/                       # 六个分析模块
│   ├── 01_销售趋势分析.ipynb       # 组长
│   ├── 02_商品分析.ipynb           # 组员A
│   ├── 03_用户地理分析.ipynb       # 组员B
│   ├── 04_RFM用户价值分析.ipynb    # 组员B
│   ├── 05_订单行为分析.ipynb       # 组员C
│   └── 06_综合洞察看板.ipynb       # 组长
├── scrapers/
│   └── data_prep.py               # 数据准备脚本（可选，数据已就绪）
├── output/                        # 图表输出（运行 notebook 后生成）
├── requirements.txt
└── README.md
```

## 环境配置（每人必做）

### 1. 安装 Python

要求 **Python 3.10 ~ 3.12**。在终端执行：

```bash
python --version   # 确认版本 ≥ 3.10
```

### 2. 创建虚拟环境

```bash
# Windows / macOS / Linux 通用
python -m venv venv

# 激活虚拟环境
# Windows:
venv\Scripts\activate
# macOS / Linux:
source venv/bin/activate
```

### 3. 安装依赖

```bash
pip install -r requirements.txt
```

### 4. Linux 用户额外步骤

Linux 默认没有中文字体，需额外安装（否则图表中文显示为方块）：

```bash
# Ubuntu / Debian
sudo apt install fonts-wqy-zenhei
```

Windows 和 macOS 无需额外操作，代码会自动检测系统自带的中文字体。

## 六模块分工

| 模块 | 负责人 | 数据源 | 核心分析 |
|------|--------|--------|---------|
| 01_销售趋势分析 | 组长 | transactions.csv, monthly_sales.csv | 月度趋势、星期/小时分布、环比增长 |
| 02_商品分析 | 组员A | products.csv | TOP商品、帕累托分析、品类对比、价格分箱 |
| 03_用户地理分析 | 组员B | customers.csv, orders.csv | 国家分布、客户集中度、客单价对比 |
| 04_RFM用户价值分析 | 组员B | customers.csv | R/F/M 打分、用户分层、策略建议 |
| 05_订单行为分析 | 组员C | orders.csv | 订单规模、购物篮分析、月度趋势 |
| 06_综合洞察看板 | 组长 | 全部数据 | 核心KPI汇总、综合评分、3x3看板 |

## Gitee 协作流程

### 组长（你）

1. 在 Gitee 创建仓库，把本项目推送上去：
```bash
cd ecommerce-analysis
git init
git add -A
git commit -m "初始提交：电商数据分析项目"
git remote add origin <你的Gitee仓库地址>
git push -u origin master
```

2. 自己完成模块 01 和 06，在 VS Code 中打开对应 `.ipynb`，逐 cell 运行即可。

3. 收 Pull Request 时 review 组员的 notebook，确认无误后合并。

### 组员

1. **Clone 仓库**：
```bash
git clone <Gitee仓库地址>
cd ecommerce-analysis
```

2. **搭建环境**（参考上方"环境配置"）

3. **创建自己的分支**：
```bash
git checkout -b feature/moduleX    # X 换成自己的模块号
```

4. **完成 notebook**：在 VS Code 中打开分配给自己的 `.ipynb`，逐 cell 运行，确认图表正常生成到 `output/`。

5. **提交并推送**：
```bash
git add .
git commit -m "完成模块X：XXX分析"
git push -u origin feature/moduleX
```

6. 在 Gitee 网页上发起 **Pull Request** 到 `master` 分支。

### 合并流程

```
master  ←── feature/module2 (组员A: 商品分析)
    ↑
    ├── feature/module3-4 (组员B: 地理 + RFM)
    └── feature/module5 (组员C: 订单行为)
```

每人各自 PR，组长逐个 review 后合并。最终 master 分支包含所有 6 个模块的完整 notebook 和图表。

## 分析流程

每个 notebook 按标准四步法编写：

1. **数据收集** — `pd.read_csv()` 读取数据
2. **数据清洗** — 缺失值 (`isna`, `dropna`)、重复值 (`drop_duplicates`)、类型转换 (`astype`)、分箱 (`pd.cut`)、分组聚合 (`groupby`)
3. **数据分析** — `value_counts`, `describe`, 排序筛选、特征构造
4. **数据可视化** — `matplotlib` 折线/柱状/饼图/散点/直方图, `plt.savefig` 导出