python数据分析练习

当前位置:

首页 > temp > python入门教程 >

python数据分析练习

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()

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

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

__EOF__

本文作者： IvanLee

本文链接： https://www.cnblogs.com/ivanlee717/p/17000378.html

栏目列表