数据分析08 /数据分析综合项目-用户消费行为分析

数据分析08 /数据分析综合项目-用户消费行为分析

目录

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

  • 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

      • 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]')

  • 代码实现：

    import pandas as pd
import matplotlib.pyplot as plt

    加载数据

    df = pd.read_csv('./data/CDNOW_master.txt',header=None,sep='\s+',names=['user_id','order_dt','order_product','order_amount'])

# \s+表示任意多个空串值
# names指定原数据的列索引

    查看数据的数据类型

    df.info()

# 1.原数据中没有空值
# 2.order_dt不是时间类型

"""
<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
"""

    将order_dt转成时间序列类型

    df['order_dt'] = pd.to_datetime(df['order_dt'],format='%Y%m%d')
df.info()

    查看原始数据的统计描述

    df.describe()

    在源数据中添加一列表示月份

    df['month'] = df['order_dt'].values.astype('datetime64[M]')
df.head()

# datetime64[M]表示的月份类型

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

  • 代码实现：

    用户每月花费的总金额

    df.groupby(by='month')['order_amount'].sum()

# 绘制线形图
df.groupby(by='month')['order_amount'].sum().plot()

# 可以直接.plot生成线性图

    用户每月花费的总金额

    所有用户每月的产品购买量

    df.groupby(by='month')['order_product'].sum()

# 绘制线性图
df.groupby(by='month')['order_product'].sum().plot()

    所有用户每月的消费总次数(用户在原数据中出现一次表示消费一次)

    df.groupby(by='month')['user_id'].count()

    统计每月的消费人数

    # 方式一：通过nunique
df.groupby(by='month')['user_id'].nunique()
# nunique()统计去重之后的数量

# 方式2：分组的高级聚合
df.groupby(by='month')['user_id'].apply(lambda x:len(x.drop_duplicates()))

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

  • 用户消费金额和消费次数的散点图

  • 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)

  • 代码实现：

    用户消费总金额和购买总数数量的统计描述

    user_datas = df.groupby(by='user_id').sum()
df.groupby(by='user_id').sum().describe()

    用户消费金额和消费次数的散点图

    plt.scatter(user_datas['order_product'],user_datas['order_amount'])
plt.xlabel('order_product')
plt.ylabel('order_amount')

    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)

    # 筛选各个用户消费总金额
df.groupby(by='user_id')['order_amount'].sum()

# 筛选各个用户消费总金额在1000之内的
user_amount = df.groupby(by='user_id').sum().query('order_amount < 1000')['order_amount']

# 绘制直方分布图
plt.hist(user_amount,bins=20)

    各个用户消费总购买商品的数量的直方分布图(消费商品的数量在100次之内的分布)

    user_product = df.groupby(by='user_id').sum().query('order_product < 100')['order_product']
plt.hist(user_product,bins=20)

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聚合
      • 分析出新老客户的消费比例

  • 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
    • 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

    • 首购时间：将用户消费时间的最小值求出，这个值就是该用户第一次消费的时间
    • 最后一次消费时间：将用户消费时间的最大值求出，这个值就是该用户最后一次消费的时间

  • 代码实现：

    用户第一次消费的月份分布和人数统计

    df.groupby(by='user_id')['month'].min()   # 用户第一次消费的月份分布
df.groupby(by='user_id')['month'].min().value_counts()   # 统计每个月第一次消费用的人数

# 将首购对应的月份分布绘图
df.groupby(by='user_id')['month'].min().value_counts().plot()

    用户最后一次消费的时间分布和人数统计

    df.groupby(by='user_id')['month'].max()
df.groupby(by='user_id')['month'].max().value_counts()

# 绘图
df.groupby(by='user_id')['month'].max().value_counts().plot()

    求出新老用户的占比

    # 求出新老用户的占比
# 新用户：一次消费的用户
# 老用户：多次消费的用户
# 核心思路：将每一个用户的首购时间和最后一次消费时间求出，判断这两个时间是否一致
    # 一致：新用户
    # 不一致：老用户
    
# agg分组后进行多种不同形式的聚合操作
user_left = df.groupby(by='user_id')['order_dt'].agg(['min','max'])
user_left['min'] == user_left['max']   # true：新用户，False：老用户
user = (user_left['min'] == user_left['max']).value_counts()   # 求出true和false的个数
old = user[0]
new = user[1]
new/old

    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.head()

    RFM模型设计

    import numpy as np

# R表示客户最近一次交易时间的间隔
rfm['R'] = -(rfm['order_dt'] - rfm['order_dt'].max())/np.timedelta64(1,'D')
rfm.head()
# /np.timedelta64(1,'D')为了去除days

# 修改order_amount、order_product的列索引
rfm.rename(columns={'order_amount':"M",'order_product':'F'},inplace=True)

    根据价值分层

    def rfm_func(x):
    # 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[['R','F','M']].apply(lambda x : x - x.mean()).apply(rfm_func,axis = 1)
rfm.head()

    统计不同层次用户的个数

    rfm.groupby(by='label').count()

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
    • 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

  • 代码实现：

    统计每个用户每个月的消费次数

    user_order_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

    # 将上个需求返回的df中每一个元素（用户的消费次数）进行运算（如果元素值>=1说明消费记为1，否则记为0）
df_purchase = user_order_count_df.applymap(lambda x:1 if x >= 1 else 0)
df_purchase   # 存储的就是用户每个月的是否消费的情况展示

    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()

    每月【不同活跃】用户的计数

    pivoted_status.apply(lambda x:pd.value_counts(x),axis=0).fillna(0)

    转置进行最终结果的查看

    pivoted_status.apply(lambda x:pd.value_counts(x),axis=0).fillna(0).T

posted @ 2019-12-16 20:59  LBZHK  阅读(393)  评论(0)  编辑  收藏  举报