심화 프로젝트 4 [50일차]

차현빈·2025년 12월 26일

1. 필요한 칼럼 만들기

배송기간 (실제로 배송된 기간)

# actual_duration (배송 실제 기간)

df['order_purchase_timestamp'] = pd.to_datetime(df['order_purchase_timestamp'], errors='coerce')
df['order_delivered_customer_date'] = pd.to_datetime(df['order_delivered_customer_date'], errors='coerce')

# (실제 배송 완료일 - 구매 일시) 계산하여 '일(Day)' 단위로 넣기
# .dt.days를 사용하여 숫자(정수)만 남깁니다.
df['actual_duration'] = (df['order_delivered_customer_date'] - df['order_purchase_timestamp']).dt.days


df['actual_duration']

준비 기간

# handling_duration (준비 기간)

df['order_purchase_timestamp'] = pd.to_datetime(df['order_purchase_timestamp'], errors='coerce')
df['order_delivered_carrier_date'] = pd.to_datetime(df['order_delivered_carrier_date'], errors='coerce')

# (물류센터출고일시 - 구매 일시) 계산하여 '일(Day)' 단위로 넣기
# .dt.days를 사용하여 숫자(정수)만 남깁니다.
df['handling_duration'] = (df['order_delivered_carrier_date'] - df['order_purchase_timestamp']).dt.days


df['handling_duration']

운송 기간

# transit_duration (운송 기간)

df['order_delivered_carrier_date'] = pd.to_datetime(df['order_delivered_carrier_date'], errors='coerce')
df['order_delivered_customer_date'] = pd.to_datetime(df['order_delivered_customer_date'], errors='coerce')

# (실제 배송 완료일 - 물류센터출고일시) 계산하여 '일(Day)' 단위로 넣기
# .dt.days를 사용하여 숫자(정수)만 남깁니다.
df['transit_duration'] = (df['order_delivered_customer_date'] - df['order_delivered_carrier_date']).dt.days


df['transit_duration']

2. 배송기간 값 확인

배송기간 평균 12일, 최대 209일

# 1. 0보다 큰 데이터만 추출
data = df[df['actual_duration'] > 0]['actual_duration'].dropna()

# 2. 상/하위 5% 지점 및 평균 계산
low, high = data.quantile([0.05, 0.95])
trimmed_data = data[(data >= low) & (data <= high)]
t_mean, o_mean = trimmed_data.mean(), data.mean()

# 3. 시각화 (edgecolor='none'으로 빈틈 제거)
plt.figure(figsize=(10, 5))
sns.histplot(trimmed_data, bins=int(high), color='green', edgecolor='none', discrete=True)
# 
# 4. 평균선 및 한글 레이블 (운영체제에 맞는 폰트 설정이 미리 되어있어야 함)
plt.axvline(t_mean, color='r', ls='--', label=f'절단 평균(90%): {t_mean:.2f}일')
plt.axvline(o_mean, color='black', ls=':', label=f'전체 평균: {o_mean:.2f}일')

plt.title('배송 기간 분포 (상/하위 5% 제외)')
plt.xlabel('배송 일수'); plt.ylabel('주문 건수')
plt.legend(); plt.show()

print(f"✔️ 절단 평균(90%): {t_mean:.2f}일")
print(f"✔️ 전체 평균: {o_mean:.2f}일")

이상치 빼고 (상위 5%, 하위 5%) 배송기간 평균을 보면 11일이고
이상치 제거 안 했을 때는 (절단하지 않았을 때)는 12일 정도 걸린다.

그렇다면 배송기간이 긴 카테고리는 무엇일까?

3. 카테고리별 분석

# 1. 카테고리별로 그룹화하여 평균 계산
avg_duration = df.groupby('product_category_name_english')['actual_duration'].mean()

# 2. 값이 큰 순서(내림차순)로 정렬하고 상위 5개만 추출
top_5_slowest = avg_duration.sort_values(ascending=False).head(5)

# 3. 결과 확인
print("--- 배송 평균 기간이 가장 긴 상위 5개 카테고리 ---")
print(top_5_slowest)

차트로 보면 이렇다.

office_furniture (사무용 가구)
[부피와 무게] 가구는 일반 택배가 아닌 화물 배송인 경우가 많다고 함. 크기가 크고 무거워 상차/하차 시간이 오래 걸리고, 전문 배송 기사님이 필요해 지연이 잦음.
christmas_supplies (크리스마스 용품)
[시즌성 폭주] 연말 특정 시기에 주문이 미친 듯이 몰리는 품목이라고 함. 택배 물동량이 가장 많을 때라 물류 터미널에서 병목 현상이 발생했을 가능성이 매우 높음.
security_and_services (보안 및 서비스)
[특수 처리] 금고나 보안 장비 등은 파손 위험이 크고 설치 서비스가 동반되는 경우가 있다고 함. 일반 상품보다 검수나 포장 과정이 까다로워 출고 자체가 늦어질 수 있음.
fashion_shoes (패션 신발)
[재고 및 해외 직구] 의외로 신발이 늦는 이유는 '해외 브랜드'인 경우가 많기 때문이라고 함. 또는 사이즈가 다양해 재고가 없는 상태에서 주문을 받고 나중에 수급하는 형식이면 지연이 발생함.
home_comfort_2 (홈 컴포트/침구류)
[대형 부피] 매트리스나 커다란 이불 솜 등이 포함된다고 함. 가구와 마찬가지로 부피가 커서 일반 배송망에서 처리 속도가 늦어지는 품목임.