数据来源：https://www.kaggle.com/mehdidag/black-friday/version/1
数据来源自kaggle平台的BlackFriday.csv文件，包含54万条记录，12个字段。
字段说明：User_ID：用户编码，用户唯一标识
Product_ID：产品编码，商品唯一标识
Gender：性别（F表示女性，M表示男性）
Age：年龄（分0~17、18~25、26~35、36~45、46~50、51~55、55+共7个年龄段）
Occupation：职业（由0~20数字组成，分成20个类别）
City_Category：城市类别（分A、B、C共3个类别）
Stay_In_Current_City_Years：在当前城市停留的年份（分0、1、2、3、4+共5个类别）
Marital_Status：婚姻状况（0表示未婚，1表示已婚）
Product_Category_1：商品所属分类1（以数字为代号，不可为空）
Product_Category_2：商品所属分类2（以数字为代号，可为空）
Product_Category_3：商品所属分类3（以数字为代号，可为空）
Purchase：消费金额（单位：美元）
分析思路：“黑五”期间最销量最高的商品是什么？
销量最高的商品种类是什么？
不同城市销量的差异？
不同性别、年龄、职业群体的消费状况
利用PPT进行可视化展示
分析过程：
① 将数据导入Navicat中（此步骤略）
②销量最高的商品TOP 10
（代码）
SELECT product_id, count( * ) AS sales_volume, sum( purchase ) AS sale
FROM blackfriday
GROUP BY product_id
ORDER BY count( * ) DESC;
LIMIT 10;
（PPT）
② 销量最高的商品种类TOP10
（代码）
SELECT concat('T',product_category_1), count( * ) AS sales_volume, sum( purchase ) AS sale
FROM blackfriday
GROUP BY product_category_1
ORDER BY count( * ) DESC;
LIMIT 10;
(PPT）
③ 不同城市的销售情况
（代码）
SELECT city_category, count( CASE WHEN gender = 'F' THEN 1 END ) AS f_buy,
count( CASE WHEN gender = 'M' THEN 1 END ) AS m_buy, count( * ) AS buy
FROM blackfriday
GROUP BY city_category
ORDER BY count( * ) DESC;
（PPT）
④ 男女分别的购买量
（代码）
SELECT gender, count( * ) AS sales_volume
FROM blackfriday
GROUP BY
gender;
（PPT）
⑤ 男性中的热销商品
（代码）
SELECT CONCAT('T',product_category_1), count( * ) AS sales_volume
FROM blackfriday
WHERE gender = 'M'
GROUP BY product_category_1
ORDER BY count( * ) DESC;
LIMIT 4;
（PPT）
⑥ 女性中的热销商品
（代码）
SELECT CONCAT('T',product_category_1), count( * ) AS sales_volume
FROM blackfriday
WHERE gender = 'F'
GROUP BY product_category_1
ORDER BY count( * ) DESC;
（PPT）
⑦ 不同职业的消费情况
（代码）
SELECT concat('J',occupation), sum( purchase ) AS buy
FROM blackfriday
GROUP BY occupation
ORDER BY sum( purchase ) DESC
LIMIT 10;
（PPT）
⑧ 不同年龄段的购买力
（代码）
SELECT age,
sum( CASE WHEN gender = 'M' THEN purchase END ) AS buy_m,
sum( CASE WHEN gender = 'F' THEN purchase END ) AS buy_f
FROM blackfriday
GROUP BY age
ORDER BY age;
（PPT）
⑨ 结论
（PPT）
