select * from pdd_data limit 1000;

order by语句可以让数字按照我们希望的升序或者降序的方式排列。

但如果数据不是数字呢？是男性或女性、已婚或未婚这样的数据我们又应该怎么办呢？我们怎么知道男性有多少、女性有多少呢？

那这个时候就需要group by登场了，但它一个还不够、往往需要sum求和函数跟它一起

业务问题：不同性别使用优惠券的情况如何？

代码

代码解释

• 格式：

• 这里的used和sex都是表格里的字段名，用select from语句获取数据

• sum的作用就是把字段下面的数据加总，使用格式是sum(要加总的字段)，相当于你在Excel表格里对一列数据求和，as后面的total_used是我们给求和之后数据的命名

• group by sex 给性别分组，sum和group by往往是一起出现的。
  
  

代码结果

1. 应用它解决问题吧！

为什么有的用户没领优惠券，有的用户没有使用优惠券，使用优惠券的用户有什么特征呢？

这里涉及到几个关键字段，checked、used，不过优惠券的使用数据只看这两个字段的话可能会有一个小问题：

既然用户是从看到优惠券推送、浏览信息、领取优惠券这么多环节，最后才到使用优惠券，如果其他pushed、viewed等等字段我们都不看的话，假设最后用户没有使用，我们不能排除其他字段的数据没有出现问题，比如这个渠道用户压根没收到推送消息，或者可以收到推送但是领取的页面打不开等等。

所以pushed、viewed、checked、used，我们都要加进来一起分析。

我们可以尝试两个字段reg_channel和coupon_type，看看不同的注册渠道和优惠券种类，对用户的优惠券使用有什么影响。

（1）业务问题：优惠券的使用在不同渠道上的情况如何？

代码

注意，最后一句sum结尾没有逗号噢，如果加上会出现什么，你可以试着运行一下！

代码结果

从结果来看，从APP渠道注册的用户转化效率最高，而H5渠道的用户优惠券使用明显很低，可以初步推测，H5页面的功能可能存在什么问题。

（2）业务问题：优惠券的额度对用户使用优惠券有没有影响？

代码

代码结果

两种优惠券因为推送的数量差别很大，所以我们可以先计算一下优惠券使用的转化率是多少。100-10是6977/54119=12.9%，200-20是9%，我们会发现，100-10额度的优惠券使用人数高于200-20额度。

（3）业务问题：性别对优惠券使用有没有影响？

代码

代码结果

结果发现，男性的优惠券使用情况远高于女性。

通过上面用SQL的操作，我们发现，用户的注册渠道、收到优惠券的金额以及用户性别和最终的消费可能有相关性，到底是不是这样呢？我们就用Python，通过数据可视化的方式，一起来进一步验证吧

import pandas as pd
import seaborn as sns
%matplotlib inline

pdd=pd.read_csv('pdd_data.csv')

pdd.info()

发现

• 原来的非数字型变量拆成了多个变量
• 最后一列显示现在都是数字型变量了

pdd.corr()[['gmv']]

发现

• 上个月是否用过优惠券对成交额的影响最大
• 在APP注册的用户成交额更高
• 已婚男性比未婚女性的成交额高
• 优惠券的类型影响不明显

why

• 婚姻状况、性别、注册渠道和过去优惠券的使用都和最终的成交额有一定的相关度

how

重点关注，针对性策划活动

• 已婚男性
• 关注通过APP渠道注册的用户
• 过去一个月使用过优惠券的用户

还可以尝试发放不同类型的优惠券