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
df = pd.read_csv('../data/CDNOW_master.txt',header=None,sep='\s+',names=['user_id','order_dt','order_product','order_amount']) df.head() - 字段含义：
-
观察数据
-
查看数据的数据类型
df.info()
-
数据中是否存储在缺失值
-
将order_dt转换成时间类型
#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()
- 计算所有用户购买商品的平均数量
- 计算所有用户购买商品的平均花费
-
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
#用户每月花费的总金额 df.groupby(by='month')['order_amount'].sum()
-
绘制曲线图展示
df.groupby(by='month')['order_amount'].sum().plot()
-
-
所有用户每月的产品购买量
-
所有用户每月的消费总次数
#所有用户每月的消费总次数(原始数据中的一行数据表示一次消费记录) df.groupby(by='month')['user_id'].count() -
统计每月的消费人数
#统计每月的消费人数(可能同一天一个用户会消费多次) nunique表示统计去重后的个数 df.groupby(by='month')['user_id'].nunique()
第三部分：用户个体消费数据分析
-
用户消费总金额和消费总次数的统计描述
#用户消费总金额和消费总次数的统计描述 df.groupby(by='user_id')['order_amount'].sum() #每一个用户消费的总金额 -
用户消费金额和消费产品数量的散点图
#用户消费金额和消费产品数量的散点图 user_amount_sum = df.groupby(by='user_id')['order_amount'].sum() user_product_sum = df.groupby(by='user_id')['order_product'].sum() plt.scatter(user_product_sum,user_amount_sum) -
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)
#各个用户消费总金额的直方分布图(消费金额在1000之内的分布) df.groupby(by='user_id').sum().query('order_amount <= 1000')['order_amount'] df.groupby(by='user_id').sum().query('order_amount <= 1000')['order_amount'].hist() -
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)
#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) df.groupby(by='user_id').sum().query('order_product <= 100')['order_product'].hist()
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
#用户第一次消费的月份分布，和人数统计 #第一次消费的月份：每一个用户消费月份的最小值就是该用户第一次消费的月份 df.groupby(by='user_id')['month'].min() df.groupby(by='user_id')['month'].min().value_counts() #人数的统计 df.groupby(by='user_id')['month'].min().value_counts().plot()-
绘制线形图
-
-
用户最后一次消费的时间分布，和人数统计
#用户最后一次消费的时间分布，和人数统计 #用户消费月份的最大值就是用户最后一次消费的月份 df.groupby(by='user_id')['month'].max().value_counts().plot()-
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聚合
-
-
分析出新老客户的消费比例
-
#新老客户的占比 #消费一次为新用户，消费多次为老用户 #如何获知用户是否为第一次消费？可以根据用户的消费时间进行判定？ #如果用户的第一次消费时间和最后一次消费时间一样，则该用户只消费了一次为新用户，否则为老用户 new_old_user_df = df.groupby(by='user_id')['order_dt'].agg(['min','max'])#agg对分组后的结果进行多种指定聚合 new_old_user_df['min'] == new_old_user_df['max'] #True新用户，False老用户 #统计True和False的个数 (new_old_user_df['min'] == new_old_user_df['max']).value_counts()
-
-
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 = df.pivot_table(index='user_id',aggfunc={'order_product':'sum','order_amount':'sum','order_dt':"max"})
-
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
#R表示客户最近一次交易时间的间隔 max_dt = df['order_dt'].max() #今天的日期 #每一个用户最后一次交易的时间 -(df.groupby(by='user_id')['order_dt'].max() - max_dt) #rfm['R'] = -(df.groupby(by='user_id')['order_dt'].max() - max_dt)/np.timedelta64(1,'D')
-
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
-
-
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
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') 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()).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的消费次数 user_month_count_df = df.pivot_table(index='user_id',values='order_dt',aggfunc='count',columns='month').fillna(0)
-
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
-
- 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
- 将用户按照每一个月份分成：
- 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
#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 = user_month_count_df.applymap(lambda x:1 if x >= 1 else 0)
#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()
df_purchase_new = DataFrame(data=pivoted_status.values.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
purchase_status_ct = df_purchase_new.apply(lambda x : pd.value_counts(x)).fillna(0) purchase_status_ct.T
-
-
标签：数据分析,status,消费,python,练习,用户,df,user,order From： https://www.cnblogs.com/ivanlee717/p/17000378.html