首先，为了达到分析目的，我想要达到的效果是利用Python强大的数据处理功能结合业务逻辑，形成如pie chart tree一样的数据分流图像，就像一个（水）管网图，选择具有可操作性的特性作为数据分流的依据（节点），根据问题数据的分流程度，依次找出产生主要问题的节点并关闭，动用最少的资源解决最多的问题。当主要问题解决了，原来的次要问题会升至主要问题，这样一步一步把问题彻底解决干净。

由于报告是自动生成的，方便操作人员可以随时review自己的订单情况，早发现，早解决。

很多情况下，我们都是在凭感觉，常识在决策，但是通过数据分析有时你会发现事情原本比你想象的不一样，这也正是数据分析的有趣之处。此案例就是这个情况：）

现在开始在上节得到的数据基础上分析。

上节：

继续观察数据并清洗干净0 赞同 · 0 评论文章

首先，用describe摸一下数据整体情况，由于数据都是文本类型的，描述中只出现了基数和频度的信息：

count是这列的行数，unique是唯一值得个数，top 是出现频率最高的内容， freq是出现频率最高的内容出现的频率（次数）

然后，你可以看出city这列存在数据缺失，数据共有86474行，显示城市的为86298行，缺失率约0.2%，比较小。

此次，通过segment可以看出下订单的部门一共13个，其中BCNA-Fishing这个部门最多在总条目86474行中就占了40936行。

再来看看订单收货率，全部收货的行数为72152，也就是说我们要解决的问题订单行数占比为16.6%。

这里的commodity type是购买产品的类型，products（产品）是最多的，占到52.6%

在这里我们可以做一个假设，按照常识既然订单最多的部门是BCNA-Fishing，那么这个部门也应该是问题订单行数最多的部门吧，TLM这个城市的订单最多，这样我们应该对TLM这个城市和BCNA-Fishing格外关注。

接下来， 我们看看事实上事情到底是不是这样呢？

首先选择问题订单为一个新子集：

问题来了，直接选取出现了无效语法的问题，那么简化一些，看看问题出在哪里？

可见，选取这列是没有问题的，问题应该是dtype,我们需要把这series 从文本改成数字类型。

但是比较麻烦，我就把之前计算这列的代码做了如下修改：

df3[PO GR rate]=(df3[Received to Date Quantity]/df3[Quantity]).mul(100).round(1).astype(str)+% # before df3[PO_Receiving_Rate] =(df3[Received to Date Quantity]/df3[Quantity]).mul(100) # after

之后选取就成功了：

2. 分析问题子集

这里可以将选取好的问题子集用group by或者pivot按照不同的标准看看数据的集中程度：

2.1 我们首先看看PO_Receiving_Rate这列数据的基本信息和分布：

未收货订单的平均收货率为4.56%, 分位数都是0，说明部分收货的情况很少，未收货的大多数是全部未收的。

接着，我们按照收货率的不同，把数据分为5组，