فهم سلوك العملاء وتحسين تجربة التسوق عبر الإنترنت من خلال تحليل البيانات المتاحةبالبيثون.

هذا العمل عبارة عن تحليل بيانات لمجموعة بيانات تتعلق بطلبات التجارة الإلكترونية. يتم استخدام مكتبة Pandas في Python لتحميل البيانات وتنظيفها وتحليلها كالتالي:

1. تحميل البيانات تم تحميل البيانات من ملف Excel باسم "Ecommerce Data.xlsx" باستخدام Pandas.

2. استكشاف البيانات: تم عرض أول صفين من البيانات للتعرف على الهيكل العام. كما تم فحص شكل البيانات (عدد الصفوف والأعمدة) وأنواع البيانات لكل عمود.

3. تنظيف البيانات:

- الكشف عن القيم المفقودة: تم تحديد عدد القيم المفقودة في كل عمود.

- التعامل مع القيم المفقودة: تم استبدال القيم المفقودة بقيمة "missing data".

- الكشف عن التكرارات: تم التحقق من وجود صفوف مكررة في البيانات.

4. تحليل البيانات:

- حساب السعر الإجمالي: تم إنشاء عمود جديد `total_price` لحساب السعر الإجمالي لكل طلب عن طريق ضرب الكمية المباعة في سعر البيع.

- إنشاء فئات عمرية: تم تقسيم العملاء إلى فئات عمرية مختلفة مثل "Minors"، "Young Adults"، "Adults"، "Middle-Aged"، و"Seniors".

- تصنيف التقييمات**: تم تصنيف التقييمات إلى فئات مثل "VD" (Very Dissatisfied)، "DS" (Dissatisfied)، "N" (Neutral)، "S" (Satisfied)، و"VS" (Very Satisfied).

5. إنشاء جداول محورية:

- تم إنشاء جداول محورية لتحليل البيانات بناءً على فئات المنتجات، الفئات العمرية، الجنس، والتقييمات. على سبيل المثال، تم تحليل الكمية المباعة والسعر الإجمالي بناءً على فئة المنتج ونوع التقييم.

6. الاستنتاجات: تم استخراج رؤى مختلفة من البيانات مثل أكثر الفئات العمرية شراءً، أكثر المنتجات مبيعًا، وتوزيع التقييمات بين الفئات المختلفة