动手实战 | 用户行为数据分析

import pandas as pd 
import numpy as np
from pandas import DataFrame,Series
import matplotlib.pyplot as plt

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

df.info()

<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  转为时间格式
df['order_dt'] = pd.to_datetime(df['order_dt'],format = '%Y%m%d')
df.info()
<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 datetime64[ns]
order_product    69659 non-null int64
order_amount     69659 non-null float64
dtypes: datetime64[ns](1), float64(1), int64(2)
memory usage: 2.1 MB

# 查看统计描述
df.describe()

user_id	order_product	order_amount
count	69659.000000	69659.000000	69659.000000
mean	11470.854592	2.410040	35.893648
std	6819.904848	2.333924	36.281942
min	1.000000	1.000000	0.000000
25%	5506.000000	1.000000	14.490000
50%	11410.000000	2.000000	25.980000
75%	17273.000000	3.000000	43.700000
max	23570.000000	99.000000	1286.010000

# 所有用户购买商品的平均数量
# 2.410040
# 所有用户购买商品的平均花费
# 35.893648
# 在源数据中添加一列表示月份:astype('datetime64[M]')
df['month'] = df['order_dt'].astype('datetime64[M]')
df.head()

# 用户每月花费的总金额
# 分组
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
df.groupby(by = 'month')['order_product'].sum()
# 图
df.groupby(by = 'month')['order_product'].sum().plot()

# 所有用户每月的消费总次数
df.groupby(by = 'month')['user_id'].count()

# 统计每月的消费人数 （一人可能消费多次要去重）nunique() 表示去重后的个数
df.groupby(by = 'month')['user_id'].nunique()

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

# 用户消费消费总次数
df.groupby(by = 'user_id')['order_product'].sum()

# 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_amount_sum,user_product_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)
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)
df.groupby(by = 'user_id').sum().query('order_product <= 100')['order_product'].hist()

# 用户第一次消费的月份分布，和人数统计
# 如何确定第一次消费？—— 用户消费月份的最小值，即第一次买出现的月份
df.groupby(by = 'user_id')['month'].min()


# 人数统计
df.groupby(by='user_id')['month'].min().value_counts()


# 绘制线形图
df.groupby(by='user_id')['month'].min().value_counts().plot()

# 用户最后一次消费的时间分布
df.groupby(by='user_id')['month'].max()


# 人数统计
df.groupby(by='user_id')['month'].max().value_counts()


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

# 如何判断新老用户？
# 可以通过判断用户购买时间，第一次购买和最后一次购买的时间一样则是新用户，否则是老用户
# 使用agg()对分组的后的数据进行多种指定方式的聚合
new_old_df = df.groupby(by = 'user_id')['order_dt'].agg(['min','max'])
# 判断新老用户
new_old_df['min'] == new_old_df['max'] # True 是新用户，False是老用户
# 分析占比
(new_old_df['min'] == new_old_df['max']).value_counts()

# 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
# 使用透视表功能
rfm = df.pivot_table(index='user_id',
               aggfunc={
                   'order_amount':'sum',
                   'order_product':'sum',
                   'order_dt':'max'
               })

# R 表示用户最近一次购买商品的时间间隔
# 今天减去最后一次购买的时间
max_dt = df['order_dt'].max() # 今天
(max_dt - df.groupby('user_id')['order_dt'].max())
# 分给R
rfm['R'] = (max_dt - df.groupby('user_id')['order_dt'].max())/np.timedelta64(1,'D')

# 去除无用项目
rfm.drop(labels = 'order_dt',axis = 1,inplace = True)

def rfm_func(x):
    # 储存三个字符串的1或0
    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

rfm['label'] = rfm.apply(lambda x:x - x.mean()).apply(rfm_func,axis = 1)

#统计每个用户每个月的消费次数
user_month_count = 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
# 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
df_purchase = user_month_count.applymap(lambda x:1 if x>=1 else 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)

# 返回新的df叫做df_purchase_new
df_purchase_new = DataFrame(data = pivoted_status.values.tolist(),
                           index = df_purchase.index,
                           columns = df_purchase.columns)