※ 라이브러리 불러오기 import matplotlib.pyplot as plt ※ 필요없는 정보 보여지지 않음 plt.show() 1. 그래프 기본 2. 축 plt.plot(x,y) plt.xlabel('X축', color = 'red', loc = 'right') #loc는 로케이션(위치)로 left, center, right 중에서 선택 plt.ylabel('Y축', color = '#00aa00', loc = 'top') #top, center, bottom 3. 범례 plt.plot(x,y, label='무슨 데이터') plt.legend(loc = (0.7, 0.8)) #x축, y축 0~1사이 4. 스타일 plt.plot(x, y, marker = 'o', markersize = 10, mar..

※ 수정사항을 실제 데이터에 바로 반영: inplace=True 1. Series 객체: 1차원 데이터(정수, 실수, 문자열 등) temp = pd.Series([-20, -10, 10, 20], index = ['Jan', 'Feb', 'Mar', 'Apr']) 2. DataFrame 객체: 2차원 데이터 (Series들의 모음) data 이름의 사전을 DataFrame 객체로 생성, Index 지정 import pandas as pd df = pd.DataFrame(data, index = ['1번', '2번', '3번', '4번', '5번', '6번', '7번', '8번']) data 중에서 원하는 column만 선택하거나, 순서 변경 가능 df = pd.DataFrame(data, columns ..

1. 분석 전 제품 성장률 분석용 데이터 마트 생성하기 Sales 테이블(mem_no) + Product 테이블(category, brand) + 구매금액, 분기 (주문일자: 2020.01~06) 2. 데이터 마트를 활용해, 분석 보고서 작성 카테고리별 구매금액 성장률(%) (2020년 1분기 >> 2020년 2분기) 전분기 대비 성장률 = (2020년 2분기 / 2020년 1분기) -1 Beauty 카테고리 중 브랜드별 구매지표: 구매자수, 총구매금액, 인당구매금액 (=RFM) CREATE TABLE PRODUCT_GROWTH AS SELECT A.MEM_NO ,B.CATEGORY ,B.BRAND ,A.SALES_QTY * B.PRICE AS 구매금액 ,CASE WHEN DATE_FORMAT(ORDER..

재구매율 및 구매주기를 분석하기 위해, 기준을 정해야 한다. 재구매자: 최초 구매일 이후, +1일 후 구매자 구매주기: 구매간격(최근구매일자 - 최초구매일자) / (구매횟수 -1) 1. 분석 전 회원 프로파일 분석용 데이터 마트 생성하기 FROM절 서브 쿼리 테이블(회원번호, 최초 및 최근 구매일자, 구매 횟수, 재구매 여부, 구매 간격, 구매 주기) 2. 데이터 마트를 활용해, 분석 보고서 작성 재구매 회원수 비중(%) 평균 구매주기 및 구매주기 구간별 회원수 CREATE TABLE RE_PUR_CYCLE AS SELECT * ,CASE WHEN DATE_ADD(최초구매일자, INTERVAL +1 DAY) >> 비회원 제외 GROUP BY MEM_NO )AS A; 1. 재구매 회원수 비중(%) SELE..

RFM: 고객의 가치를 분석할 때 사용되는 고객가치 평가 모형 Recency: 최근성 Frequency: 구매 빈도 Monetary: 구매 금액 1. RFM 분석용 데이터 마트 생성 Customer 테이블 + 구매금액, 구매횟수 (주문일자: 2020년) 2. 데이터 마트를 활용해, 분석 보고서 작성 RFM 세분화별 회원수 RFM 세분화별 매출액 RFM 세분화별 인당 구매금액 CREATE TABLE RFM AS SELECT A.* ,B.구매금액 ,B.구매횟수 FROM CUSTOMER AS A LEFT JOIN ( SELECT A.MEM_NO ,SUM(A.SALES_QTY * B.PRICE) AS 구매금액 >>> Monetary: 구매 금액 ,COUNT(A.ORDER_NO) AS 구매횟수 >>> Freque..

1. 분석 전 회원 프로파일 분석용 데이터 마트 생성하기 CUSTOMER 테이블 + 가입년월, 나이, 연령대, 구매여부 추가 2. 데이터 마트를 활용해, 분석 보고서 작성 가입년월별 회원수 성별 평균 연령 / 성별 및 연령대별 회원수 성별 및 연령대별 회원수(+구매여부) (2021년 기준) CREATE TABLE CUSTOMER_PROFILE AS SELECT A.* ,DATE_FORMAT(JOIN_DATE, '%Y-%m') AS 가입년월 ,2021 - YEAR(BIRTHDAY) + 1 AS 나이 ,CASE WHEN 2021 - YEAR(BIRTHDAY) + 1 < 20 THEN '10대 이하' WHEN 2021 - YEAR(BIRTHDAY) + 1 < 30 THEN '20대' WHEN 2021 - YE..