物流数据行业分析（包含完整代码和流程）------python数据分析师项目Anaconda
一、引言
数据分析流程为明确目的、获取数据、数据探索和预处理、分析数据、得出结论、验证结论、结果展现。物流业务中对数据进行深入挖掘和分析的过程，旨在提高运输效率、降低运输成本、提高客户满意度，以及提高公司的竞争力。
本案例物流数据分析目的：a、配送服务是否存在问题
b、是否存在尚有潜力的销售区域
c、商品是否存在质量问题
二、详细流程
1、数据预处理（数据清洗）
（1）数据导入
使用panda库读取数据，编码方式为gbk
import pandas as pd
data=pd.read_csv("D://data_wuliu.csv",encoding='gbk') #注意路径换为你的路径
data（2）重复值、缺失值处理
从info中可以看出有nan值，以下函数中参数含义，inplace是否在原表上修改；axis为表示按行操作，1为按列操作；how=any表示只要此行有一个nan值就删除，all为整行数据都为nan时才删除。
data.drop_duplicates(inplace=True)#删除重复记录
data.dropna(axis=0,how='any',inplace=True)#删除带有nan的整行数据（3）数据调整
在查看数据时发现表中“订单行”字段无太大用处,并且字段中“销售金额”里有“万字”、“字”以及逗号，都需要处理，代码中定义函数进行处理。
data.drop(columns=['订单行'],inplace=True,axis=1) #删除“订单行”这一列
data.reset_index(drop=True,inplace=True)#更新索引drop=true把原来的索引删除，重置索引
#编写自定义过滤函数，处理销售金额中的逗号和元和万元
def data_deal(number):
if number.find("万元")!=-1:
number_new=float(number[:number.find("万元")].replace(',',''))*10000
else:
number_new=float(number.replace('元','').replace(',',''))
return number_new
data['销售金额']=data['销售金额'].map(data_deal) #使用map函数将销售金额中每个元素都检查（4） 异常值处理
如下图查看数据描述时，发现销量均值为76，中位数只有1，说明数据呈现右偏分布，有后面的数据给前面数据填坑，这属于电商物流行业的正常现象也叫做2/8原则，不需要处理，再看describe中的销售金额，存在销售金额为0的部分，属于异常值需要处理
data=data[data['销售金额']!=0] #找到销售金额不为0的部分，将这部分重新赋值给原来的data2、数据规整
后续案例分析需要添加辅助列“月份”方便后面计算，将销售时间转为datetime形式再提取出月份
data['销售时间']=pd.to_datetime(data['销售时间']) #用pandas库将数据转化为datedime形式
data['月份']=data['销售时间'].apply(lambda x:x.month) #apply函数应用于每个元素，将元素中month提取出，作为新的一列“月份”处理完之后的数据效果
3、数据分析及可视化
（1）配送服务是否存在问题
a、从月份维度分析
将数据按照月份和货品交货状况分组，计算出各个月份的货品按时交货率。
data['货品交货状况']=data['货品交货状况'].str.strip() #将货品交换状况这一列先转换为字符串，再去除空格
data_a=data.groupby(['月份','货品交货状况']).size().unstack() #按月份、交货状况分组再显示
data_a['货品按时交换货率']=data_a['按时交货']/(data_a['按时交货']+data_a['晚交货'])
data_a
分析思考：上述dataframe表中可以分析出，第四季度比第三季度的整体货品按时交货率低，猜测可能是受季节气候的影响。
b、销售区域维度分析
将数据按照销售区域和货品交货状况分组，计算出各个销售区域的货品按时交货率。
data_a=data.groupby(['销售区域','货品交货状况']).size().unstack()
data_a['货品按时交货率']=data_a['按时交货']/(data_a['按时交货']+data_a['晚交货'])
print(data_a.sort_values(by='货品按时交货率',ascending=False)) #按照货品按时交货率进行降序排序
分析思考：可以看到西北地区货品按时交货率出现断层式低，出现突出的延时交货问题，急需解决 。
c、从货品维度分析
data_a=data.groupby(['货品','货品交货状况']).size().unstack()
data_a['货品按时交货率']=data_a['按时交货']/(data_a['按时交货']+data_a['晚交货'])
print(data_a.sort_values(by='货品按时交货率',ascending=False))
分析思考：分析出货品4的按时交货率极低，情况较为严重，其余情况较好，
d、销售区域和货品结合分析
将销售区域和货品进行结合分析，分析西北地区情况严重和货品之间的关系
data_a=data.groupby(['货品','销售区域','货品交货状况']).size().unstack()
data_a['货品按时交货率']=data_a['按时交货']/(data_a['按时交货']+data_a['晚交货'])
print(data_a.sort_values(by='货品按时交货率',ascending=False))
分析思考：从销售区域角度，西北地区所销售的获评有1和4，西北地区按时交货率低是货品4送货较晚导致的；从货品角度，最差的货品2，主要是马来西亚晚交货引起的。
（2）是否存在尚有潜力的销售区域
a、从月份维度分析
将数据按月份和货品分组之后，按月累加各类货品销量并折线图可视化
data_a=data.groupby(['月份','货品'])['数量'].sum().unstack()
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"]=["SimHei"] #设置字体
plt.rcParams["axes.unicode_minus"]=False #该语句解决图像中的“-”负号的乱码
data_a.plot(kind='line')
分析思考：货品2在10月和12月份的销量猛增，远高于其他月份和其他货品，猜测：一、公司在这两个月份对货品2进行推销和宣传 。二、开发了新的市场（后续验证）
b、不同月份和销售区域结合分析
将数据按月份、货品和销售区域分组，分析各个区域在不同月份的不同货品的销量
data_a=data.groupby(['月份','销售区域','货品'])['数量'].sum().unstack()
data_a['货品2']
分析思考：货品2，9月和10月只在华东地区有销售，且10月份的销量激增（发生在原有销售区域华东），说明公司不是开发了新市场，在7、8、9和11月份可以加大对货品2的营销力度
（3）商品是否存在质量问题
将数据按货品和销售区域分组，再取出并统计货品用户反馈总数，计算货品在不同销售区域的拒货率、返修率和合格率，对比分析
data['货品用户反馈']=data['货品用户反馈'].str.strip() #去除空格
data1=data.groupby(['货品','销售区域'])['货品用户反馈'].value_counts().unstack()
#data1.sum(axis=1)表示各个货品在不同地区的货品用户反馈总和
data1['拒货率']=data1['拒货']/data1.sum(axis=1)
data1['返修率']=data1['返修']/data1.sum(axis=1)
data1['合格率']=data1['质量合格']/data1.sum(axis=1)
data1.sort_values(['合格率','返修率','拒货率'],ascending=False) #按照合格率、返修率和拒货率的降序排序
分析思考：货品3，6，5合格率均较高，返修率和拒货率较低，商品质量良好；货品1，2，4的合格率降低，且货品4在西北地区返修率极高，货品4商品质量需要改善；货品2 在马来西亚的拒货率极高，同时在马来西亚的按时交货率极低，猜测马来西亚顾客对交货时效性要求较高，因为交货不及时导致拒收货品。
考虑到货品2主要在华东地区销售，可以考虑增大在华东地区的投入，减少对马来西亚的投入。
4、得出结论
①货品4在西北地区，货品2在马来西亚地区两条线路存在较大的问题，继续提升时效。
②货品2在华东地区还有较大的市场空间，适合加大投入，同时货品2在西北配送时效长，用户拒货率较高，从成本考虑应该减少投入。
③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。
三、完整代码和Anaconda py源文件以及原CSV数据
本人网盘分享的文件：物流行业数据分析项目
链接: https://pan.baidu.com/s/1YUBmAYGb2LG4UKmpp4EDMg?pwd=y6e8 提取码: y6e8