游戏APP用户行为流程：

数据导入

install_table=pd.read_excel('./Data/游戏APP安装与注册信息 .xlsx',sheet_name='安装信息')

register_table=pd.read_excel('./Data/游戏APP安装与注册信息 .xlsx',sheet_name='注册信息')

数据概况

print("安装信息：")
print(install_table.info())
print("-"*30)
print(install_table.describe())
print("-"*30)
print(install_table.isnull().sum())
print("-"*30)
print(install_table.duplicated().sum())

print("注册信息：")
print(register_table.info())
print("-"*30)
print(register_table.describe())
print("-"*30)
print(register_table.isnull().sum())
print("-"*30)
print(register_table.duplicated().sum())

数据处理

两张表中的安装时间范围不相同，选择相同的安装时间分析(2020-4-20——2020-04-26)

install=install_table[install_table['安装时间']>='2020-04-20 00:00:00']
register=register_table[register_table['安装时间']>='2020-04-20 00:00:00']
print(install['安装时间'].min(),install['安装时间'].max())
print(register['安装时间'].min(),register['安装时间'].max())

数据分析

安装信息分析

1.安装人数、注册人数、激活率

激活率=激活人数/安装人数（这里激活人数以注册人数代替）

install_num=install.用户唯一ID.count()
register_num=register.用户唯一ID.count()
print(f'安装人数：{install_num}激活人数：{register_num}')
print('激活率:%.2f%%'%(register_num/install_num*100))

2.日安装量变化趋势

install['安装日期']=install['安装时间'].dt.date
data=install.groupby('安装日期')['用户唯一ID'].count()
print(data)
data.plot()
plt.show()

 3.TOP5子渠道

print(install['子渠道'].value_counts()[:5])
install['子渠道'].value_counts()[:5].plot.pie()

4.安装的手机类型统计TOP10

由于手机品牌名称存在大小写不一的情况（例如OPPO,oppo)，因此必须先统一格式后再统计:

install['手机类型']=install['机型'].str.upper()
install['手机类型']=install['手机类型'].str.split('-').str[0]

install['手机类型'].value_counts()[:10].plot.bar()

注册信息分析

1.每日注册人数

register['注册日期']=pd.to_datetime(register['注册时间']).dt.date

register.groupby('注册日期').用户唯一ID.count().plot()

 2.不同类型用户的注册时段

register['注册时段']=pd.to_datetime(register['注册时间']).dt.hour

register.groupby(['用户类型','注册时段']).用户唯一ID.count().unstack(0).plot()

 3.激活所用天数分析