第五篇: 使用Python和BigQuery进行电商数据分析与可视化

使用Python和BigQuery进行电商数据分析与可视化

大数据分析对于电商业务的洞察至关重要。在这篇文章中，我们将使用Python结合Google BigQuery来分析电商数据集，以最畅销商品和平均订单价格最高的前10位客户为主题，展示如何通过数据可视化提供有价值的业务见解。我们将重点介绍数据提取和可视化，帮助读者掌握在实际场景中如何直观展示数据分析结果。

1. 数据集与分析目标

本文使用Google BigQuery提供的公共电商数据集bigquery-public-data:thelook_ecommerce，其中包含用户的购买行为和商品信息等数据。本文的主要分析目标有两个：

最畅销商品：分析销售量排名最高的商品。
平均订单价格最高的前10位客户：识别在平均订单价格上消费较高的客户，以支持客户关系管理。

2. 设置环境并连接BigQuery

首先，确保安装了BigQuery的Python客户端库以及Matplotlib和Seaborn数据可视化库：

pip install google-cloud-bigquery matplotlib seaborn

初始化BigQuery客户端并进行身份验证：

from google.cloud import bigquery# 初始化BigQuery客户端
client = bigquery.Client()

3. 查询并获取数据

接下来，我们使用SQL查询BigQuery中的数据，提取最畅销商品和平均订单价格最高的前10位客户的数据。

查询1：最畅销商品

计算订单中每个商品的销量，并按销量从高到低排序：

SELECT oi.product_id AS product_id, p.name AS product_name, p.category AS product_category, COUNT(*) AS num_of_orders 
FROM `bigquery-public-data.thelook_ecommerce.products` AS p 
JOIN `bigquery-public-data.thelook_ecommerce.order_items` AS oi 
ON p.id = oi.product_id 
GROUP BY 1, 2, 3 
ORDER BY num_of_orders DESC;

在Python中执行该查询：

# 查询最畅销商品
best_selling_query = """
SELECT oi.product_id AS product_id, p.name AS product_name, p.category AS product_category, COUNT(*) AS num_of_orders 
FROM `bigquery-public-data.thelook_ecommerce.products` AS p 
JOIN `bigquery-public-data.thelook_ecommerce.order_items` AS oi 
ON p.id = oi.product_id 
GROUP BY 1, 2, 3 
ORDER BY num_of_orders DESC;
"""
best_selling_items = client.query(best_selling_query).to_dataframe()

查询2：平均订单价格最高的前10位客户

获取每个客户的平均订单价格，并按降序排列以显示消费水平最高的10位客户：

SELECT u.id AS user_id, u.first_name, u.last_name, AVG(oi.sale_price) AS avg_sale_price 
FROM `bigquery-public-data.thelook_ecommerce.users` AS u 
JOIN `bigquery-public-data.thelook_ecommerce.order_items` AS oi 
ON u.id = oi.user_id 
GROUP BY 1, 2, 3 
ORDER BY avg_sale_price DESC 
LIMIT 10;

在Python中执行查询：

# 查询平均订单价格最高的前10位客户
top_customers_query = """
SELECT u.id AS user_id, u.first_name, u.last_name, AVG(oi.sale_price) AS avg_sale_price 
FROM `bigquery-public-data.thelook_ecommerce.users` AS u 
JOIN `bigquery-public-data.thelook_ecommerce.order_items` AS oi 
ON u.id = oi.user_id 
GROUP BY 1, 2, 3 
ORDER BY avg_sale_price DESC 
LIMIT 10;
"""
top_customers = client.query(top_customers_query).to_dataframe()

4. 数据可视化

获取数据后，接下来用Matplotlib和Seaborn将结果进行可视化。

4.1 最畅销商品柱状图

将最畅销商品按销量绘制成柱状图：

import matplotlib.pyplot as plt
import seaborn as sns# 绘制最畅销商品的柱状图
plt.figure(figsize=(10, 6))
sns.barplot(x='num_of_orders', y='product_name', data=best_selling_items.head(10), palette='viridis')
plt.title('Top 10 Best Selling Products')
plt.xlabel('Number of Orders')
plt.ylabel('Product Name')
plt.yticks(rotation=45, fontsize=8)  # 旋转45度并缩小字体
plt.show()

代码绘制图表示例：
在这里插入图片描述

4.2 平均订单价格最高的前10位客户饼图

将前10位客户的平均订单价格按比例绘制成饼图，展示客户消费贡献情况。

# 绘制平均订单价格最高的前10位客户饼图
labels = top_customers['first_name'] + ' ' + top_customers['last_name']
sizes = top_customers['avg_sale_price']plt.figure(figsize=(8, 8))
plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=140)
plt.title('Top 10 Customers by Average Order Price')
plt.show()