标签：商品 不同 散点图 数据格式 else name 消费 baidu 问题
数据源于CDNOW网站的用户购买记录，通过以下字段利用python对CD销售数据分析
分析需要基于业务，首先需要对数据进行了解
数据字段包括
数据：点我获取数据 提取码 : h2s4
分析思路：
0、数据预处理
1、数据按月分析
2、用户个体消费分析
3、用户消费分析
4、复购率、回购率分析
0、数据预处理
导入常用的库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns
plt.rcParams[‘font.sans-serif‘]=[‘SimHei‘] #用来正常显示中文标签
plt.rcParams[‘axes.unicode_minus‘]=False #用来正常显示负号
导入数据,设置相应的字段
columns = [‘user_id‘,‘order_dt‘,‘order_products‘,‘order_amount‘]
data = pd.read_table(‘D://CDNOW_master.txt‘,names=columns,sep=‘\s+‘)
# 查看数据
data.head()
# 数据字段
# user_id 用户ID
# order_dt: 购买日期
# order_products: 购买产品数
# order_amount: 购买金额
数据的大概格式
# 大概格式了解
data.info()
数据中没有缺失值，order_dt列数据类型是int,需要进一步转换成datetime类型
data[‘order_dt‘] = pd.to_datetime(data.order_dt,format=‘%Y%m%d‘)
# 新增一列月份 （对月进行分析） values（数组形式） 因为很多是进行月份的一个处理
data[‘month‘] = data.order_dt.values.astype(‘datetime64[M]‘)
修改完数据格式后查看order_dt列的格式
# describe是描述统计
data.describe()
1、按月进数据分析
每月的消费总金额
每月的消费次数
每月的购买产品总数
每月的消费用户数
# 按月分组
grouped_month = data.groupby(‘month‘)
fig = plt.figure(figsize = (8,12))
ax1 = fig.add_subplot(4,1,1)
ax2 = fig.add_subplot(4,1,2)
ax3 = fig.add_subplot(4,1,3)
ax4 = fig.add_subplot(4,1,4)
# 按月金额数
ax1.plot(grouped_month.order_amount.sum(),c=‘blue‘)
ax1.set_title(‘每月消费总金额变化趋势‘)
# 按月的订单数
ax2.plot(grouped_month.user_id.count(),c=‘blue‘)
ax2.set_title(‘每月订单数变化趋势‘)
# 按月产品数
ax3.plot(grouped_month.order_products.sum(),c=‘blue‘)
ax3.set_title(‘每月消费产品购买量‘)
# 每月用户人数 这里需要去重，有些用户重复购买
ax4.plot(grouped_month.user_id.apply(lambda x:len(x.drop_duplicates())),c=‘blue‘)
# drop_duplicates去重功能
ax4.set_title(‘每月用户数变化趋势‘)
按月进行统计，下面通过折线图分别查看数据变化趋势
图一：消费总金额在前三个月达最高峰，或许消费金额较为平稳，有轻微下降趋势
图二：前三个月订单数在10000笔左右，后续月份的订单数在2500左右
图三：产品购买数量 呈现早期购买量多 后期下降趋势
图四：每月消费人数小小于每月的消费次数（订单数），但是区别不大，前三个月每月的消费人数在8000-10000之间，后续月份平均2000左右，一样是前期消费人数多，后期平稳下降趋势
出现这种状况，假设问题是出现在用户身上，早期时间段的用户有异常值，或者由于各类促销营销，由于只有消费数据，无法进一步进行判断
数据透视查看，按月根据用户购买金额，订单数，用户人数
data.pivot_table(index=‘month‘,
values = [‘order_products‘,‘order_amount‘,‘user_id‘],
aggfunc = {‘order_products‘:‘sum‘,
‘order_amount‘:‘sum‘,
‘user_id‘:‘count‘})
2、用户个体分析
根据用户维度进行分析
#01-用户消费金额和消费次数的描述统计
grouped_user = data.groupby(‘user_id‘)
grouped_user.sum().describe()
#02 - 用户消费金额和消费次数散点图
# 设置排除一些极值的干扰进行观察
# query 用于数据框选列
grouped_user.sum().query(‘order_amount < 4000‘).plot.scatter(x=‘order_amount‘,y=‘order_products‘)
03-用户消费金额的分布图（二八法则）
grouped_user.sum().order_amount.plot.hist(bins=20)
# bins=20，就是分成20块，最高金额是14000，每个项就是700
#04-用户消费次数分布图
grouped_user.sum().query(‘order_products<92‘).order_products.hist(bins = 40)
05 -用户累计消费金额占比
user_cumsum = grouped_user.sum().sort_values(‘order_amount‘).apply(lambda x: x.cumsum() / x.sum())
user_cumsum.reset_index().order_amount.plot()
print(user_cumsum.head(8))
print(user_cumsum.tail(8))
#01-第一次购买时间分布
# min() 时间最小，第一次购买
grouped_user.min().order_dt.value_counts().plot()
# 2月发生较大下跌 渠道发生变化，或者其他 可以做一些假设
# 02-最后一次购买时间分布
grouped_user.order_dt.max().value_counts().plot()
# value_counts计算有哪些不同值，并计算每个值有多少个重复值
# 03-用户第一次购买与最后一次购买 新老客的消费比
user_life =grouped_user.order_dt.agg([‘min‘,‘max‘])
user_life.head()
(user_life[‘min‘] == user_life[‘max‘]).value_counts()
True 第一次购买时间和最后一次购买时间一样，有一半用户只消费了一次
rate = (user_life[‘min‘] == user_life[‘max‘]).value_counts()
# 定义饼图的标签，标签是列表，每个标签多大会自动去算
labels = [‘只消费一次用户‘,‘多次消费用户‘]
plt.axis(‘equal‘) # 设置x,y轴刻度一致，这样才会是圆的
plt.pie(rate,explode=(0,0.15),labels=labels,autopct=‘%2.1f%%‘,startangle=90,colors=[‘r‘,‘orange‘],radius=1.5)
# autopct，圆里面的文本格式，%2.1f%%代表整数有两位，小数有一位
#startangle，起始角度，0，表示从0开始逆时针转，为第一块。一般选择从90度开始比较好看
# 04-用户分层
# RFM 消费额 次数 最近一次消费 进行透视
rfm = data.pivot_table(index = ‘user_id‘,
values = [‘order_products‘,‘order_amount‘,‘order_dt‘],
aggfunc = {‘order_dt‘:‘max‘,
‘order_amount‘:‘sum‘,
‘order_products‘:‘sum‘})
rfm.head()
# 表示离最近一次消费的时间间隔
-(rfm.order_dt - rfm.order_dt.max()).head()
# 数值越大，离现在的时间越长
# /np.timedelta64(1,‘D‘) 除以1天的事件，消除单位 进行重命名
rfm[‘R‘] = -(rfm.order_dt - rfm.order_dt.max()) / np.timedelta64(1,‘D‘)
rfm.rename(columns = {‘order_products‘:‘F‘,‘order_amount‘:‘M‘},inplace=True)
rfm.head()
rfm[[‘R‘,‘F‘,‘M‘]].apply(lambda x:x-x.mean()).head()
数据解读： 负数是小于的 正式大于的
R：离最近一次购买的天数 F：产品数（消费次数） M：消费金额 与均值的对比
def rfm_func(x):
level = x.apply(lambda x:‘1‘ if x>= 0 else ‘0‘)
# 字符串拼接
# 111，R>0,是距离平均消费时间要久，R越大 说明没有消费时间越久 ，F >0 M>0,消费次数和金额也是较高的，重要价值客户，依次类推
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
# x - x.mean() （具体真实情况可以修改，不一定需要用均值） 切比雪夫也可以 > 200 极值人工处理掉
rfm[‘label‘] = rfm[[‘R‘,‘F‘,‘M‘]].apply(lambda x:x-x.mean()).apply(rfm_func,axis=1)
rfm.head()
数据解读： 1 时间比较长，只消费了一次，消费金额低 一般挽留客户
rfm.groupby(‘label‘).sum()
重要保持客户贡献了159万左右 等等
rfm.groupby(‘label‘).count()
# 各类类型用户占比
use_c = rfm.groupby(‘label‘).count()
plt.axis(‘equal‘)
labels = [‘一般价值客户‘,‘一般保持客户‘,‘一般发展客户‘,‘一般挽留客户‘,‘重要价值客户‘,‘重要保持客户‘,‘重要发展客户‘,‘重要挽留客户‘]
plt.pie(use_c[‘M‘],
autopct=‘%3.1f%%‘,
labels = labels,
pctdistance=0.9, # 百分比占比距离圆心的位置0.9半径
labeldistance = 1.2, # 标签离圆心的位置1.2半径
radius=3,
startangle = 15)
# 对应标签，使用不同颜色表示
# 绿色为重要价值客户，红色为非重要价值用户
rfm.loc[rfm.label == ‘重要价值客户‘,‘color‘] = ‘g‘
rfm.loc[~(rfm.label == ‘重要价值客户‘),‘color‘] = ‘r‘
rfm.plot.scatter(‘F‘,‘R‘,c=rfm.color)
rfm.head()
# rfm 象限法
rfm.groupby(‘label‘).sum()
从RFM分层可知，大部分用户为一般挽留客户，但是这是由于极值的影响，所以RFM的划分应该以业务为主
# 06-用户生命周期
pivoted_counts = data.pivot_table(index = ‘user_id‘,
columns = ‘month‘,
values = ‘order_dt‘,
aggfunc = ‘count‘).fillna(0)
# pivoted_counts.head()
pivoted_counts.head()
# 按月份进行对比，1月份哪些是购买的，再去对比二月份哪些是购买的
消费过的为1 ，没消费过的为0
data_purchase = pivoted_counts.applymap(lambda x: 1 if x > 0 else 0)
data_purchase.tail()
# 透视会补上 第一次从3月分开始购买 前面补成0 ， 需要进行判，第一次消费作为生命周期的起始
# se.columns.values
def active_status(data):
status = []
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‘)
# 这里需要对返回的值进行转换，将列表转为Series
return pd.Series(status, index = pivoted_counts.columns)
purchase_stats = data_purchase.apply(active_status,axis=1,result_type =‘expand‘)
# df.rename(columns={ df.columns[2]: "new name" }, inplace=True)
# purchase_stats.rename(columns={purchase_stats.columns:data_purchase.columns})
purchase_stats.head()
purchase_status_ct = purchase_stats.replace(‘unreg‘,np.NaN).apply(lambda x : pd.value_counts(x))
purchase_status_ct
# 未注册不希望参与处理 设置我空值
数据解读： 一月份有7846个用户 然后2月份分叉为不活跃用户 和 活跃用户 有8476个新用户 等等
新用户转换为是否活跃等等 流失用户在增加
# 各个状态的占比
purchase_status_ct.fillna(0).T.apply(lambda x:x/x.sum(),axis=1)
purchase_status_ct.fillna(0).T.plot.area()
由上表可知，每月的用户消费转变
活跃用户，持续消费的用户，对应的是消费质量
回流用户，之前是不消费的本月才消费，采取唤回运营
不活跃用户，对应的是流失
用户购买周期
data.order_dt.head(10)
# 把所有的数据进行一个错位
data.order_dt.shift().head(10)
# 一个用户可能多个订单 每个订单的间隔
order_diff = grouped_user.apply(lambda x:x.order_dt - x.order_dt.shift())
order_diff.head(10)
数据解读：ID为2 0天当天购买两次或以上，间隔为0
ID为3的用户 3-4间隔了87天
NaT表示一个订单
order_diff.describe()
每个用户的平均订单是68天 中位值31天 最大值533天
# 去除单位 间隔天数分布图
(order_diff / np.timedelta64(1,‘D‘)).hist(bins=20)
(user_life[‘max‘] - user_life[‘min‘]).describe()
# 整体的生命周期
((user_life[‘max‘] - user_life[‘min‘]) / np.timedelta64(1,‘D‘)).hist(bins = 40)
u_l = ((user_life[‘max‘] - user_life[‘min‘]).reset_index()[0] / np.timedelta64(1,‘D‘))
u_l[u_l > 0].hist(bins=40)
pivoted_counts.head()
# 购买大于1次的 赋值为1 ，然后小于等于1 的 如果是购买次数是0，则赋值为空，否则 就是购买一次，赋值为0 purchase_r = pivoted_counts.applymap(lambda x: 1 if x > 1 else np.NaN if x == 0 else 0) purchase_r.head()
# sum（） 0 不计数，count（） 0计数
(purchase_r.sum() / purchase_r.count()).plot(figsize = (10,4))
# 回购率 只需要0 1 代表
data_purchase.head()
def purchase_back(data):
status = []
for i in range(17):
if data[i] == 1: # 本月进行过消费
if data[i+1] == 1: # 下一月是否进行消费
status.append(1) #消费为1 回购了
if data[i+1] == 0:
status.append(0) # 未消费则为0 没有回购
else:
status.append(np.NaN) # 之前没消费则不计
status.append(np.NaN) # 最后一个月没有判断需要补上
return pd.Series(status,data_purchase.columns)
purchase_b = data_purchase.apply(purchase_back, axis =1)
purchase_b.head(5)
# sum() 0 1进行求和，表示次月消费过的
(purchase_b.sum() / purchase_b.count()).plot(figsize = (10, 4))
标签：商品 不同 散点图 数据格式 else name 消费 baidu 问题
原文地址：https://www.cnblogs.com/xyplus1128/p/10970669.html
