1. 指标选取
假使是从下面三个方面进行商家营销套路评价的
① 不同品牌参加双11活动的商品总数
② 不同品牌的商品折扣率
③ 不同品牌打折商品比例
其中第一个指标已经在之前的操作中获得了，接下来就是获取后面的两个指标，最后将这三个指标进行汇总即可
2. 筛选出不同品牌的折扣率
数据还是基于之前处理过的数据，这里进行数据提取和分组，因为同一品牌存在多个商品，所以折扣力度这里以均值来代替
data_zk = result3_data2[result3_data2['zkl']<0.95] # 删除未打折数据
result4_zkld = data_zk.groupby('店名_y')['zkl'].mean()
–> 输出结果为：
3. 不同商家打折商品比例
1） 确定打折商品数量
n_dz = data_zk['店名_y'].value_counts()
2） 确定商品总数
n_zs = result3_data2['店名_y'].value_counts()
3） 创建DataFrame数据，保存上面的内容
result4_dzspbl = pd.DataFrame({'打折商品数':n_dz,'商品总数':n_zs})
4） 计算打折比例，并去除空值
result4_dzspbl['参与打折商品比例'] = result4_dzspbl['打折商品数'] / result4_dzspbl['商品总数']
result4_dzspbl.dropna(inplace = True)
–> 输出结果为：
4. 指标合并
采用pd.merge方法进行DataFrame数据的两两合并，这里为了保证result2_data数据的完备性，进行复制一份，再进行数据的处理
result4_sum = result2_data.copy() #这里含有指标①的数据
result4_data = pd.merge(
pd.DataFrame(result4_zkld),result4_dzspbl,
left_index = True, right_index = True, how = 'inner'
) # 包含指标②③数据
result4_data = pd.merge(
result4_data,result4_sum,
left_index = True, right_index = True, how = 'inner'
) #包含指标①②③数据
–> 输出结果为：（注意理解商品总数和sum字段的数据，其中sum代表的是不同品牌参加双11活动的商品总数；商品总数字段数据代表的是打折0-0.95区间内的商品总数，根据之前的分析也可知道还有四分之三的商品没有打折，而且再加上预售的商品，所以这两个数据之间的差距会有点大）
5. 制图数据筛选
选取上图中的’zkl’、‘参与打折商品比例’、'sum’三个字段的数据，制图前需要把名称修改为英文（标题重命名）、然后设定散点图的大小（0.03的值是试出来的，对于标记的大小根据数据而定没有固定的值），并配置要参考线
bokeh_data = result4_data[['zkl','sum','参与打折商品比例']]
bokeh_data.columns = ['zkl','amount','pre']
bokeh_data['size'] = bokeh_data['amount'] * 0.03
x_mean = bokeh_data['pre'].mean()
y_mean = bokeh_data['zkl'].mean()
source = ColumnDataSource(bokeh_data)
6. bokeh制图
将商家营销套路分为四大类：
① 少量大打折
② 大量大打折
③ 少量少打折
④ 少量大打折
也就是根据数据划分四个象限，每个象限就对应一类
from bokeh.models.annotations import Span
from bokeh.models.annotations import Label
from bokeh.models.annotations import BoxAnnotation
hover = HoverTool(tooltips=[("品牌", "@index"),
("折扣率", "@zkl"),
("商品总数", "@amount"),
("参与打折商品比例", "@pre"),
]) # 设置标签显示内容
p = figure(plot_width=600, plot_height=600,
title="各个品牌打折套路解析" ,
tools=[hover,'box_select,reset,wheel_zoom,pan,crosshair'])
# 构建绘图空间
p.circle_x(x = 'pre',y = 'zkl',source = source,size = 'size',
fill_color = 'red',line_color = 'black',fill_alpha = 0.6,line_dash = [8,3])
p.ygrid.grid_line_dash = [6, 4]
p.xgrid.grid_line_dash = [6, 4]
# 散点图
x = Span(location=x_mean, dimension='height', line_color='green',line_alpha = 0.7, line_width=1.5, line_dash = [6,4])
y = Span(location=y_mean, dimension='width', line_color='green',line_alpha = 0.7, line_width=1.5, line_dash = [6,4])
p.add_layout(x)
p.add_layout(y)
# 绘制辅助线
bg1 = BoxAnnotation(bottom=y_mean, right=x_mean,fill_alpha=0.1, fill_color='olive')
label1 = Label(x=0.1, y=0.55,text="少量大打折",text_font_size="10pt" )
p.add_layout(bg1)
p.add_layout(label1)
# 绘制第一象限
bg2 = BoxAnnotation(bottom=y_mean, left=x_mean,fill_alpha=0.1, fill_color='firebrick')
label2 = Label(x=0.7, y=0.55,text="大量大打折",text_font_size="10pt" )
p.add_layout(bg2)
p.add_layout(label2)
# 绘制第二象限
bg3 = BoxAnnotation(top=y_mean, right=x_mean,fill_alpha=0.1, fill_color='firebrick')
label3 = Label(x=0.1, y=0.80,text="少量少打折",text_font_size="10pt" )
p.add_layout(bg3)
p.add_layout(label3)
# 绘制第三象限
bg4 = BoxAnnotation(top=y_mean, left=x_mean,fill_alpha=0.1, fill_color='olive')
label4 = Label(x=0.7, y=0.80,text="少量大打折",text_font_size="10pt" )
p.add_layout(bg4)
p.add_layout(label4)
# 绘制第四象限
show(p)
–> 输出结果为：
7. 小结
少量少打折：包括雅诗兰黛、娇兰、兰蔻、薇姿、玉兰油等共5个品牌。
少量大打折：包括悦诗风吟、兰芝、欧珀莱等3个品牌。该类品牌的打折商品较少，但折扣力度较大。
大量小打折：包括妮维雅、美宝莲、蜜丝佛陀等3个品牌。该类型有半数以上的商品都参与了打折活动，但折扣力度并不大。
大量大打折：包括相宜本草、佰草集、自然堂等三大国产品牌。这些品牌不仅有90%以上的商品参与了折扣活动，而且折扣力度很大
