5-python数据分析-综合项目分析
第一部分：数据类型处理
- 数据加载
- 字段含义：
- user_id:用户ID
- order_dt:购买日期
- order_product:购买产品的数量
- order_amount:购买金额
- 字段含义：
- 观察数据
- 查看数据的数据类型
- 数据中是否存储在缺失值
- 将order_dt转换成时间类型
- 查看数据的统计描述
- 在源数据中添加一列表示月份:astype(\'datetime64[M]\')
加载数据
# 加载数据 原数据存在多空格分割，这里使用\s作为分割符df = pd.read_csv(\'./CDNOW_master.txt\', header=None, sep=\'\s+\', names=[\'user_id\', \'order_dt\',\'order_product\',\'order_amount\'])
df.shape
(69659, 4)
查看数据的数据类型
df.info()<class \'pandas.core.frame.DataFrame\'>
RangeIndex: 69659 entries, 0 to 69658
Data columns (total 4 columns):
user_id 69659 non-null int64
order_dt 69659 non-null int64
order_product 69659 non-null int64
order_amount 69659 non-null float64
dtypes: float64(1), int64(3)
memory usage: 2.1 MB
数据中是否存储在缺失值
# 其实由上边info信息就可以确定没有确实值df.isnull().any(axis=0)
user_id False
order_dt False
order_product False
order_amount False
dtype: bool
将order_dt转换成时间类型
df[\'order_dt\'] = pd.to_datetime(df[\'order_dt\'], format=\'%Y%m%d\')
查看数据的统计描述
df.describe()
在源数据中添加一列表示月份:astype(\'datetime64[M]\')
df[\'month\'] = df[\'order_dt\'].astype(\'datetime64[M]\')
第二部分：按月数据分析
- 用户每月花费的总金额
- 绘制曲线图展示
- 所有用户每月的产品购买量
- 所有用户每月的消费总次数
- 统计每月的消费人数
用户每月花费的总金额
- 绘制曲线图展示
month_user_amount = df.groupby(by=\'month\')[\'order_amount\'].sum()month_user_amount.plot() # 绘图方式一
plt.plot(month_user_amount) # 绘图方式二 俩种都可以plt.xticks(rotation=30)
所有用户每月的产品购买量
df.groupby(by=\'month\')[\'order_product\'].sum()month
1997-01-01 19416
1997-02-01 24921
1997-03-01 26159
1997-04-01 9729
1997-05-01 7275
1997-06-01 7301
1997-07-01 8131
1997-08-01 5851
1997-09-01 5729
1997-10-01 6203
1997-11-01 7812
1997-12-01 6418
1998-01-01 5278
1998-02-01 5340
1998-03-01 7431
1998-04-01 4697
1998-05-01 4903
1998-06-01 5287
Name: order_product, dtype: int64
所有用户每月的消费总次数
df.groupby(by=\'month\')[\'user_id\'].count()month
1997-01-01 8928
1997-02-01 11272
1997-03-01 11598
1997-04-01 3781
1997-05-01 2895
1997-06-01 3054
1997-07-01 2942
1997-08-01 2320
1997-09-01 2296
1997-10-01 2562
1997-11-01 2750
1997-12-01 2504
1998-01-01 2032
1998-02-01 2026
1998-03-01 2793
1998-04-01 1878
1998-05-01 1985
1998-06-01 2043
Name: user_id, dtype: int64
统计每月的消费人数
# 这里需要对用户去重求和df.groupby(by=\'month\')[\'user_id\'].nunique()
month
1997-01-01 7846
1997-02-01 9633
1997-03-01 9524
1997-04-01 2822
1997-05-01 2214
1997-06-01 2339
1997-07-01 2180
1997-08-01 1772
1997-09-01 1739
1997-10-01 1839
1997-11-01 2028
1997-12-01 1864
1998-01-01 1537
1998-02-01 1551
1998-03-01 2060
1998-04-01 1437
1998-05-01 1488
1998-06-01 1506
Name: user_id, dtype: int64
第三部分：用户个体消费数据分析
- 所有用户消费总金额和消费总购买量的统计描述
- 各个用户消费金额和消费产品数量的散点图
- 各个用户消费总金额的直方分布图(消费金额在1000之内的分布)
- 各个用户消费的总数量的直方分布图(消费商品的数量在100次之内的分布)
所有用户消费总金额和消费总购买量的统计描述
# 总金额df[\'order_amount\'].sum() # 2500315.6300000004
# 总购买量
df[\'order_product\'].sum() # 167881
各个用户消费金额和消费产品数量的散点图
# 各个用户消费金额user_amount = df.groupby(\'user_id\')[\'order_amount\'].sum()
# 各个用户消费数量
user_product = df.groupby(\'user_id\')[\'order_product\'].sum()
plt.scatter(user_amount,user_product)
各个用户消费总金额的直方分布图(消费金额在1000之内的分布)
user_amount_1000 = df.query(\'order_amount<=1000\').groupby(\'user_id\')[\'order_amount\'].sum()plt.hist(user_amount_1000,bins=20)
各个用户消费的总数量的直方分布图(消费商品的数量在100次之内的分布)
user_product_100 = df.query(\'order_product<=100\').groupby(\'user_id\')[\'order_product\'].sum()plt.hist(user_product_100, bins=20)
df有两个常用方法
- apply:可以作为df的运算工具，运算df的行或者列
- applymap:针对df中每一个元素进行指定形式的运算
第四部分：用户消费行为分析
- 用户第一次消费的月份分布，和人数统计
- 绘制线形图
- 用户最后一次消费的时间分布，和人数统计
- 绘制线形图
- 新老客户的占比
- 消费一次为新用户
- 消费多次为老用户
- 分析出每一个用户的第一个消费和最后一次消费的时间
- agg([\'func1\',\'func2\']):对分组后的结果进行指定多种形式的聚合
- 分析出新老客户的消费比例
- 分析出每一个用户的第一个消费和最后一次消费的时间
- 用户分层
- 分析得出每个用户的总购买量和总消费金额and最近一次消费的时间的表格rfm
- RFM模型设计
- R表示客户最近一次交易时间的间隔。
- /np.timedelta64(1,\'D\')：去除days
- F表示客户购买商品的总数量,F值越大，表示客户交易越频繁，反之则表示客户交易不够活跃。
- M表示客户交易的金额。M值越大，表示客户价值越高，反之则表示客户价值越低。
- 将R，F，M作用到rfm表中
- R表示客户最近一次交易时间的间隔。
- 根据价值分层，将用户分为：
- 重要价值客户
- 重要保持客户
- 重要挽留客户
- 重要发展客户
- 一般价值客户
- 一般保持客户
- 一般挽留客户
- 一般发展客户
- 使用已有的分层模型即可rfm_func
用户第一次消费的月份分布，和人数统计
- 绘制线形图
min_month_amount = df.groupby(by=\'user_id\')[\'month\'].min().value_counts()1997-02-01 8476
1997-01-01 7846
1997-03-01 7248
Name: month, dtype: int64
min_month_amount.plot()
用户最后一次消费的时间分布，和人数统计
- 绘制线形图
last_user_amount = df.groupby(by=\'user_id\')[\'month\'].max().value_counts()1997-02-01 4912
1997-03-01 4478
1997-01-01 4192
1998-06-01 1506
1998-05-01 1042
1998-03-01 993
1998-04-01 769
1997-04-01 677
1997-12-01 620
1997-11-01 609
1998-02-01 550
1998-01-01 514
1997-06-01 499
1997-07-01 493
1997-05-01 480
1997-10-01 455
1997-09-01 397
1997-08-01 384
Name: month, dtype: int64
last_user_amount.plot()
新老客户的占比
new_old = df.groupby(by=\'user_id\')[\'order_dt\'].agg([\'min\',\'max\'])
(new_old[\'min\'] == new_old[\'max\']).value_counts()True 12054
False 11516
dtype: int64
新老用户占比：12054:11516近似1:1
用户分层
- 分析得出每个用户的总购买量和总消费金额and最近一次消费的时间的表格rfm
- RFM模型设计
- R表示客户最近一次交易时间的间隔。
- /np.timedelta64(1,\'D\')：去除days
- F表示客户购买商品的总数量,F值越大，表示客户交易越频繁，反之则表示客户交易不够活跃。
- M表示客户交易的金额。M值越大，表示客户价值越高，反之则表示客户价值越低。
- 将R，F，M作用到rfm表中
- R表示客户最近一次交易时间的间隔。
- 根据价值分层，将用户分为：
- 重要价值客户
- 重要保持客户
- 重要挽留客户
- 重要发展客户
- 一般价值客户
- 一般保持客户
- 一般挽留客户
- 一般发展客户
- 使用已有的分层模型即可rfm_func
分析得出每个用户的总购买量和总消费金额and最近一次消费的时间的表格rfm
# 根据user_id,取出每个用户的总消费金额，数量，最后一次消费时间透视表rfm = df.pivot_table(index=\'user_id\', aggfunc={\'order_product\':\'sum\',\'order_amount\':\'sum\',\'order_dt\':\'max\'})
# 消费时间间隔相减后会后带有days，需要除以np.timedelta64(1,\'D\')去掉daysrfm[\'R\'] = (df[\'order_dt\'].max()-rfm[\'order_dt\'])/np.timedelta64(1,\'D\')
rfm = rfm[[\'R\',\'order_amount\',\'order_product\']]rfm.columns = [\'R\',\'F\',\'M\']
rfm分层算法
def rfm_func(x):#存储存储的是三个字符串形式的0或者1
level = x.map(lambda x :\'1\' if x >= 0 else \'0\')
# M \'0\'
# F \'0\'
# R \'1\'
label = level[\'R\'] + level.F + level.M
d = {
\'111\':\'重要价值客户\',
\'011\':\'重要保持客户\',
\'101\':\'重要挽留客户\',
\'001\':\'重要发展客户\',
\'110\':\'一般价值客户\',
\'010\':\'一般保持客户\',
\'100\':\'一般挽留客户\',
\'000\':\'一般发展客户\'
}
result = d[label]
return result
#df.apply(func):可以对df中的行或者列进行某种（func）形式的运算
rfm[\'label\'] = rfm.apply(lambda x : x - x.mean(),axis=0).apply(rfm_func,axis=1)
rfm.head()
第五部分：用户的生命周期
- 将用户划分为活跃用户和其他用户
- 统计每个用户每个月的消费次数
- 统计每个用户每个月是否消费，消费记录为1否则记录为0
- 知识点：DataFrame的apply和applymap的区别
- applymap:返回df
- 将函数做用于DataFrame中的所有元素(elements)
- apply:返回Series
- apply()将一个函数作用于DataFrame中的每个行或者列
- 知识点：DataFrame的apply和applymap的区别
- 将用户按照每一个月份分成：
- unreg:观望用户（前两月没买，第三个月才第一次买,则用户前两个月为观望用户）
- unactive:首月购买后，后序月份没有购买则在没有购买的月份中该用户的为非活跃用户
- new:当前月就进行首次购买的用户在当前月为新用户
- active:连续月份购买的用户在这些月中为活跃用户
- return:购买之后间隔n月再次购买的第一个月份为该月份的回头客
统计每个用户每个月的消费次数
# values可以指定除user_id和month的任意一个，用来计数df_purchase = df.pivot_table(index=\'user_id\',values=\'order_amount\',aggfunc=\'count\',columns=\'month\',fill_value=0)
df_purchase.head()
统计每个用户每个月是否消费，消费记录为1否则记录为0
df_purchase = df_purchase.applymap(lambda x:1 if x>0 else 0)
将用户按照每一个月份分成
#将df_purchase中的原始数据0和1修改为new，unactive......,返回新的df叫做df_purchase_new#固定算法
def active_status(data):
status = []#某个用户每一个月的活跃度
for i in range(18):
#若本月没有消费
if data[i] == 0:
if len(status) > 0:
if status[i-1] == \'unreg\':
status.append(\'unreg\')
else:
status.append(\'unactive\')
else:
status.append(\'unreg\')
#若本月消费
else:
if len(status) == 0:
status.append(\'new\')
else:
if status[i-1] == \'unactive\':
status.append(\'return\')
elif status[i-1] == \'unreg\':
status.append(\'new\')
else:
status.append(\'active\')
return status
pivoted_status = df_purchase.apply(active_status,axis = 1)
pivoted_status.head()
user_id
1 [new, unactive, unactive, unactive, unactive, ...
2 [new, unactive, unactive, unactive, unactive, ...
3 [new, unactive, return, active, unactive, unac...
4 [new, unactive, unactive, unactive, unactive, ...
5 [new, active, unactive, return, active, active...
dtype: object
# 将上边得到的1维数据,转化为二维数据制成新的用户活跃表
df_purchase_new = DataFrame(data=pivoted_status.tolist(),index=df_purchase.index,columns=df_purchase.columns)
每月【不同活跃】用户的计数
- purchase_status_ct = df_purchase_new.apply(lambda x : pd.value_counts(x)).fillna(0)
- 转置进行最终结果的查看
df_purchase_new.apply(lambda x:pd.value_counts(x),axis=0).fillna(0)
df_purchase_new.apply(lambda x:pd.value_counts(x),axis=0).fillna(0).T
以上是 5-python数据分析-综合项目分析 的全部内容， 来源链接： utcz.com/z/387342.html
