最近ChatGPT蛮火的，今天试着让ta写了一篇数据分析实战案例，大家来评价一下！

 一、数据

您的团队已经为您提供了一些游戏数据，包括玩家的行为和收入情况。以下是数据的一些特征：

• user_id: 玩家ID
•  date: 游戏日期
•  level: 玩家达到的游戏等级
•  revenue: 玩家在游戏中花费的总收入
•  spend: 玩家在游戏中的总支出

二、目标

您的目标是分析数据，以回答以下问题：

• 游戏的DAU（日活跃用户数）是多少？
• 用户的等级分布情况是怎样的？
• 用户的付费率是多少？
• 游戏的收入情况如何？
• 付费用户的ARPU（平均收入每用户）是多少？

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

data = pd.read_csv("game_data.csv")

 

dau = data['user_id'].nunique()
print("游戏的DAU是：", dau)

2. 用户等级分布

 

 

为了回答第二个问题，我们可以使用以下代码来绘制用户等级分布图：

 

level_counts = data['level'].value_counts()
plt.figure(figsize=(10,5))
sns.barplot(level_counts.index, level_counts.values, alpha=0.8)
plt.title('用户等级分布')
plt.ylabel('用户数量', fontsize=12)
plt.xlabel('等级', fontsize=12)
plt.show()

3. 付费率

 

为了回答第三个问题，我们可以使用以下代码计算游戏的付费率：

 

paying_users = data[data['revenue'] > 0]['user_id'].nunique()
total_users = data['user_id'].nunique()
paying_rate = paying_users / total_users
print("游戏的付费率是：", paying_rate)

 

 

4. 收入情况

为了回答第四个问题，我们可以使用以下代码计算游戏的收入情况：

 

revenue = data['revene'].sum()
spend = data['spend'].sum()
plt.figure(figsize=(5,5))
labels = ['总收入', '总支出']
sizes = [revenue, spend]#[Python学习交流群：748989764]
colors = ['#99ff99', '#ff9999']
plt.pie(sizes, labels=labels, colors=colors, autopct='%1.1f%%', startangle=90)
plt.axis('equal')
plt.show()

 

 

5. 付费用户的ARPU

 

为了回答第五个问题，我们可以使用以下代码计算付费用户的ARPU：

 

paying_users = data[data['revenue'] > 0]['user_id'].nunique()
total_revenue = data['revenue'].sum()
arpu = total_revenue / paying_users
print("付费用户的ARPU是：", arpu)