Kaggle BlackFriday 데이터를 활용한 EDA

LeeSungRyeong

• 관련 파일 : BlackFriday.csv
• 필요 패키지 :tidyverse gridExtra

---

Tips

• 그림 크기 방향 조절 하는 방법
  • ```{r , fig.align=‘center’ , fig.width= 12 , fig.height= 9}
• library warning message 안 나오게 하는 방법
  • ```{r, warning=FALSE , message=FALSE }

Library Load

library(tidyverse)
library(gridExtra)

0. Data Load

BlackFriday Click And Download The Data!

• 사용할 데이터 : BlackFriday.csv

dt <- read.csv("../Data/BlackFriday.csv")

1, 유저별로 구매수에 따라 시각화 하기(1)

[필수과정]
구매수 600개 이상 유저별(User_ID)로 중복 제거된 데이터 사용하기

1. User_ID 별로 구매수라는 새로운 변수 생성

2. User_ID를 Age , 구매수로 정렬(0rder)해서 시각화

3. Gender Color
   • M = “grey50”
   • F = “pink”

Hint

• facotr 변수들에서 필요없는 level 제거
• scale_colour_manual
• scale_fill_brewer
• fill color = Spectral 사용
• goem_bar size = 1

dt2 <- dt %>% group_by(User_ID) %>% mutate( buy_n = n()) %>% filter( buy_n >= 600 )

dt2 <- dt2[!duplicated(dt2$User_ID) , ]

dt2 <- droplevels(dt2)

user_order = dt2$User_ID[order(dt2$Age  , dt2$buy_n)]

dt2$User_ID <- factor(dt2$User_ID , levels = user_order)

dt2 %>% ggplot( aes(x = User_ID , y= buy_n , fill = Age , col = Gender)) +
  geom_bar(stat="identity" , position ="dodge", size=1) + coord_flip() + 
  scale_colour_manual(values=c("F" = "pink", "M"="grey50") ) +
  scale_fill_brewer(palette="Spectral") + 
  labs(y="Purchase Amount" , x = "User ID" , 
       title = "Number of purchases per user(>600)")

2. 유저별로 구매수에 따라 시각화 하기(2)

[필수과정]
구매수 600개 이상 유저별로 중복 제거된 데이터 사용하기

1. 구매수 600개 이상
2. Age 와 Gender 별로 정렬(order)해서 시각호

Hint화

• point size = 8
• title size = 30
• scale_shape_manual (0 : 18 / 1 : 16)
• geom_segement size = 1
• theme

user_order = dt2$User_ID[order(dt2$Age , dt2$Gender , dt2$buy_n)]
dt2$User_ID <- factor(dt2$User_ID , levels = user_order)

dt2 %>% ggplot( aes(x =buy_n  , y= User_ID  )) + 
  geom_segment( aes(yend = User_ID , linetype = Gender ) , xend = 0 , size = 1 ) + 
  geom_point(aes( col = Age ,   shape = factor(Marital_Status) ) ,size=8 ) + 
  guides(shape = guide_legend(title='Marital_Status')) + 
  labs(title = "Number of purchases per user(>600)" , 
       x="Purchase Amount" , y = "User ID") + 
  theme(plot.title = element_text(size =30 , hjust = 0.5)) + 
  scale_shape_manual( values = c(18 , 16 ) ) 

3. 위의 그림에서 얻은 인사이트를 통해 활용하여 시각화

• (위그림) Age[26-25] 의 유저들이 600개 이상 물건을 다른 Age 에 비해 많은 것으로 확인이 되었다.
• 해당 Age[26-35] 고객들을 분석해보자.

[필수과정]
전체 데이터에서 Age가 26-35인 집단만 추출
유저(User_ID)별로 평균 구매가격 변수 생성하기
유저(User_ID)기준으로 중복 제거

1. Plot[1]
   • Martial Status 별로 비율 구하기
   • 구한 비율의 위치정보는 해당 비율의 중간에 위치하게 만들기
   • 그림과 똑같이 만들기

Hint

• text size = 5
• geom_text
• theme
• x = factor(1)
• paste or paste0

2. Plot[2]
   • User_ID 별로 mean purchase 변수 생성
   • Gender 에 따른 mean_purchase의 Density 그리기
   • alpha = 0.2
3. Plot[3]
   • Gender 에 따른 Occupation 비율 시각화

Hint

• Occupation 별로 Occupation 개수 변수 생성
• scale_x_continuous
• position = “fill”
• arrangeGrob
• grid.arrange

Age_25 <- dt %>% filter( Age == "26-35" )

Age_25 <- droplevels(Age_25)
Age_25$User_ID <- factor(Age_25$User_ID)
Age_25$Marital_Status <- factor(Age_25$Marital_Status)

Age_25 <- Age_25 %>% group_by(User_ID) %>% mutate( mean_purchase = mean(Purchase))

Age_25 <- Age_25[!duplicated(Age_25$User_ID) , ]

## plot1
output2 <- Age_25 %>% group_by(Marital_Status) %>% mutate(n=n(), ratio = n/sum(n))

output2 <- Age_25 %>% group_by(Marital_Status) %>% summarise(n=n()) %>% mutate(ratio = n/sum(n) , location = ifelse(ratio > min(ratio) , min(ratio) + ratio/2 , ratio/2 ) )

plot1 <- output2 %>% ggplot(aes(x=factor(1), y = ratio, fill = Marital_Status)) + geom_bar(stat="identity") + 
  geom_text(aes(x= factor(1), y= location, label = paste("Marital_Status = " ,Marital_Status," and " , round(ratio*100,2),"%",sep="")), size=5) + 
  labs(x="Marital Status" , y = "Ratio" , title = "[26-35 Age] Martial Status 비율") + 
  theme(axis.text.x = element_blank() , axis.title.y=element_blank()) + guides(fill=FALSE, color=FALSE)

## plot2

plot2 <- Age_25 %>% ggplot(aes(x= mean_purchase , fill = Gender)) + 
  geom_density(alpha = 0.2) + guides(fill = guide_legend(title='Gender')) + labs(x="Mean Purchase" , title = "[26-35 Age] Gender 별 평균 구매가격의 Density") + 
  theme(axis.title.y=element_blank())


## plot3
survey <- Age_25 %>% group_by(Occupation ) %>% mutate(Occupation_n = n())

survey2 <- survey %>% ggplot( aes(x = Occupation , y=Occupation_n , fill = Gender)) 


plot3 <- survey2 + 
  geom_bar(stat="identity" , position = "fill") + 
  scale_x_continuous( breaks =sort(unique(survey$Occupation))) +
  labs(x="Occupation" , y ="Ratio of male and female" , 
       title = "[26-35 Age] Gender에 따른 직업의 비율")
  


grid.arrange(arrangeGrob(plot1 , plot2, ncol =2 ) , plot3 , nrow =2 )

4. 상품별(Product_ID)로 구매량에 따라 시각화하기

1. 상품별(Product_ID)로 구매량이라는 새로운 변수 생성
2. 가장 많이 팔린 20개 상품(Product_ID) 찾기
3. 가장 많이 팔린 20개 있는 데이터만 Filter 하기
4. (3)에서 뽑은 데이터를 활용해 상품별로(Product_ID) mean Purchase 구하기
5. mean Purchase > 10000 이면 Expensive 나머지는 Cheap 라는 새로운 변수 생성

Hint

• row_number() == 1L
• title size = 20
• fill color = Set3
• scales , space 사요
• NA -> “None”
• rows = Product_Category_1(facet_grid)
• cols = 새롭게 생성한 변수(facet_grid)

survey <- dt %>% group_by(Product_ID) %>% mutate(n=n()) %>% arrange(desc(n)) %>% 
  filter(row_number() == 1L ) 

top20_prod <- survey$Product_ID %>% head(20) %>% as.character() 

survey2 <- dt %>% filter(Product_ID %in% top20_prod)

survey2 <- droplevels(survey2)


survey2 <- survey2 %>% group_by(Product_ID) %>% mutate(n=n() , mean_purchase = mean(Purchase)) %>% 
  mutate(Price = ifelse( mean_purchase > 10000 , "Expensive", "Cheap"))


survey2$Product_Category_2[is.na(survey2$Product_Category_2)] <- "None"

survey2 %>% ggplot( aes(x= reorder(Product_ID , -n) , y = n   , fill = factor(Product_Category_2) )) + theme_bw() + 
  geom_bar( position = "dodge", stat="identity") + coord_flip() + 
  facet_grid(Product_Category_1~Price , scales = "free", space = "free") +
  labs(x = "Product_ID", y ="Purchase amount" , title ="Top Product 20") + 
  theme(plot.title = element_text(size =30 , hjust = 0.5 )) +
  guides(fill = guide_legend(title='Product_Category_2')) + 
  scale_fill_brewer(palette="Set3")