Python數據分析-綜合項目需求案例

第一部分：數據類型處理

• 數據加載
  • 字段含義：
    • user_id:用戶ID
    • order_dt:購買日期
    • order_product:購買產品的數量
    • order_amount:購買金額
• 觀察數據
  • 查看數據的數據類型
  • 數據中是否存儲在缺失值
  • 將order_dt轉換成時間類型
  • 查看數據的統計描述
  • 在源數據中添加一列表示月份:astype('datetime64[M]')

 

df = pd.read_csv('./data/CDNOW_master.txt',header=None,sep='\s+',names=['user_id','order_dt','order_product','order_amount'])  #sep='\s+'  分割間隔 一個或多個空格
df.head()


df.shape

(69659, 4)

#查看數據類型
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

#order_dt轉換成時間序列，且加一列為購買商品的月份
df['order_dt'] = pd.to_datetime(df['order_dt'],format="%Y%m%d")
df.head()

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

 

 df.describe()  #對數據源中的數值型數據的描述

 

第二部分：按月數據分析

• 用戶每月花費的總金額
  • 繪制曲線圖展示
• 所有用戶每月的產品購買量
• 所有用戶每月的消費總次數
• 統計每月的消費人數

#用戶每月花費的總金額
df.groupby(by='month')['order_amount'].sum()

month
1997-01-01    299060.17
1997-02-01    379590.03
1997-03-01    393155.27
1997-04-01    142824.49
1997-05-01    107933.30
1997-06-01    108395.87
1997-07-01    122078.88
1997-08-01     88367.69
1997-09-01     81948.80
1997-10-01     89780.77
1997-11-01    115448.64
1997-12-01     95577.35
1998-01-01     76756.78
1998-02-01     77096.96
1998-03-01    108970.15
1998-04-01     66231.52
1998-05-01     70989.66
1998-06-01     76109.30
Name: order_amount, dtype: float64

#繪制曲線圖展示

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

 

 

#所有用戶每月的產品購買量
df.groupby(by='month')['order_product'].sum()

month
1997-01-01    19416
1997-02-01    24921
1997-03-01    26159
1997-04-01     9729
1997-05-01     7275
1997-06-01     7301
1997-07-01     8131
1997-08-01     5851
1997-09-01     5729
1997-10-01     6203
1997-11-01     7812
1997-12-01     6418
1998-01-01     5278
1998-02-01     5340
1998-03-01     7431
1998-04-01     4697
1998-05-01     4903
1998-06-01     5287
Name: order_product, dtype: int64

#所有用戶每月的消費總次數
df.groupby(by='month')['user_id'].count()

month
1997-01-01     8928
1997-02-01    11272
1997-03-01    11598
1997-04-01     3781
1997-05-01     2895
1997-06-01     3054
1997-07-01     2942
1997-08-01     2320
1997-09-01     2296
1997-10-01     2562
1997-11-01     2750
1997-12-01     2504
1998-01-01     2032
1998-02-01     2026
1998-03-01     2793
1998-04-01     1878
1998-05-01     1985
1998-06-01     2043
Name: user_id, dtype: int64

#統計每月的消費人數
df.groupby(by='month')['user_id'].nunique()

month
1997-01-01    7846
1997-02-01    9633
1997-03-01    9524
1997-04-01    2822
1997-05-01    2214
1997-06-01    2339
1997-07-01    2180
1997-08-01    1772
1997-09-01    1739
1997-10-01    1839
1997-11-01    2028
1997-12-01    1864
1998-01-01    1537
1998-02-01    1551
1998-03-01    2060
1998-04-01    1437
1998-05-01    1488
1998-06-01    1506
Name: user_id, dtype: int64

第三部分：用戶個體消費數據分析

• 所有用戶消費總金額和消費總購買量的統計描述
• 各個用戶消費金額和消費產品數量的散點圖
• 各個用戶消費總金額的直方分布圖(消費金額在1000之內的分布)
• 各個用戶消費的總數量的直方分布圖(消費商品的數量在100次之內的分布)

#所有用戶消費總金額和消費總購買量的統計描述
df['order_product'].sum(),df['order_amount'].sum()

(167881, 2500315.6300000004)

#各個用戶消費金額和消費產品數量的散點圖
users_amount_s = df.groupby(by='user_id')['order_amount'].sum()
users_product_s = df.groupby(by='user_id')['order_product'].sum()

plt.scatter(users_amount_s,usea_product_s)

 

 

#各個用戶消費總金額的直方分布圖(消費金額在1000之內的分布)
#1.先將滿足要求的用戶的行數據找出，在做分組聚合
user_amount_1000_s = df.query('order_amount <= 1000').groupby(by='user_id')['order_amount'].sum()
user_amount_1000_s

#各個用戶消費的總數量的直方分布圖(消費商品的數量在100之內的分布)
df.query('order_product <= 100').groupby(by='user_id')['order_product'].sum()

#df有兩個常用方法
#    - apply:可以作為df的運算工具，運算df的行或者列
#    - applymap:針對df中每一個元素進行指定形式的運算

第四部分：用戶消費行為分析

• 用戶第一次消費的月份分布，和人數統計
  • 繪制線形圖
• 用戶最后一次消費的時間分布，和人數統計
  • 繪制線形圖
• 新老客戶的占比
  • 消費一次為新用戶
  • 消費多次為老用戶
    • 分析出每一個用戶的第一個消費和最后一次消費的時間
      • agg(['func1','func2']):對分組后的結果進行指定多種形式的聚合
    • 分析出新老客戶的消費比例
• 用戶分層
  • 分析得出每個用戶的總購買量和總消費金額and最近一次消費的時間的表格rfm
  • RFM模型設計
    • R表示客戶最近一次交易時間的間隔。
      • /np.timedelta64(1,'D')：去除days
    • F表示客戶購買商品的總數量,F值越大，表示客戶交易越頻繁，反之則表示客戶交易不夠活躍。
    • M表示客戶交易的金額。M值越大，表示客戶價值越高，反之則表示客戶價值越低。
    • 將R，F，M作用到rfm表中
  • 根據價值分層，將用戶分為：
    • 重要價值客戶
    • 重要保持客戶
    • 重要挽留客戶
    • 重要發展客戶
    • 一般價值客戶
    • 一般保持客戶
    • 一般挽留客戶
    • 一般發展客戶
      • 使用已有的分層模型即可rfm_func

 

# 用戶第一次消費的月份分布，和人數統計
# 繪制線形圖
# 用戶最后一次消費的時間分布，和人數統計
# 繪制線形圖
df.groupby(by='user_id')['month'].min().value_counts()

1997-02-01    8476
1997-01-01    7846
1997-03-01    7248
Name: month, dtype: int64

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

1997-02-01    4912
1997-03-01    4478
1997-01-01    4192
1998-06-01    1506
1998-05-01    1042
1998-03-01     993
1998-04-01     769
1997-04-01     677
1997-12-01     620
1997-11-01     609
1998-02-01     550
1998-01-01     514
1997-06-01     499
1997-07-01     493
1997-05-01     480
1997-10-01     455
1997-09-01     397
1997-08-01     384
Name: month, dtype: int64

#新老客戶的占比
df_new_old = df.groupby(by='user_id')['order_dt'].agg(['min','max'])
(df_new_old['min'] == df_new_old['max']).value_counts()

True     12054
False    11516
dtype: int64

#分析得出每個用戶的總購買量和總消費金額and最近一次消費的時間的表格rfm
rfm = df.pivot_table(index='user_id',aggfunc={'order_product':'sum','order_amount':'sum','order_dt':'max'})   #采用透視操作
rfm.head()

 

 rfm['R'] = (df['order_dt'].max() - rfm['order_dt'])/np.timedelta64(1,'D')

rfm = rfm[['order_amount','order_product','R']]
rfm.columns = ['M','F','R']

rfm.head()

 

 

#rfm分層算法
def rfm_func(x):
#存儲存儲的是三個字符串形式的0或者1
level = x.map(lambda x :'1' if x >= 0 else '0')
# M '0'
# F '0'
# R '1'
label = level['R'] + level.F + level.M
d = {
'111':'重要價值客戶',
'011':'重要保持客戶',
'101':'重要挽留客戶',
'001':'重要發展客戶',
'110':'一般價值客戶',
'010':'一般保持客戶',
'100':'一般挽留客戶',
'000':'一般發展客戶'
}
result = d[label]
return result
#df.apply(func):可以對df中的行或者列進行某種（func）形式的運算
rfm['label'] = rfm.apply(lambda x : x - x.mean(),axis=0).apply(rfm_func,axis = 1)
rfm.head()

 

 

第五部分：用戶的生命周期

• 將用戶划分為活躍用戶和其他用戶
  • 統計每個用戶每個月的消費次數
  • 統計每個用戶每個月是否消費，消費記錄為1否則記錄為0
    • 知識點：DataFrame的apply和applymap的區別
      • applymap:返回df
      • 將函數做用於DataFrame中的所有元素(elements)
      • apply:返回Series
      • apply()將一個函數作用於DataFrame中的每個行或者列
  • 將用戶按照每一個月份分成：
    • unreg:觀望用戶（前兩月沒買，第三個月才第一次買,則用戶前兩個月為觀望用戶）
    • unactive:首月購買后，后序月份沒有購買則在沒有購買的月份中該用戶的為非活躍用戶
    • new:當前月就進行首次購買的用戶在當前月為新用戶
    • active:連續月份購買的用戶在這些月中為活躍用戶
    • return:購買之后間隔n月再次購買的第一個月份為該月份的回頭客

#統計每個用戶每個月的消費次數  
df_purchase = df.pivot_table(index='user_id',values='order_dt',aggfunc='count',columns='month',fill_value=0) #columns='month'  對 values='order_dt'又做了一次划分
df_purchase.head()

 

 

#統計每個用戶每個月是否消費，消費記錄為1否則記錄為0
df_purchase = df_purchase.applymap(lambda x:1 if x > 0 else 0)

df_purchase.head()

 

 

#將df_purchase中的原始數據0和1修改為new，unactive......,返回新的df叫做df_purchase_new
#固定算法  修改參數即可用
def active_status(data):
status = []#某個用戶每一個月的活躍度
for i in range(18):

#若本月沒有消費
if data[i] == 0:
if len(status) > 0:
if status[i-1] == 'unreg':
status.append('unreg')
else:
status.append('unactive')
else:
status.append('unreg')

#若本月消費
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()

user_id
1    [new, unactive, unactive, unactive, unactive, ...
2    [new, unactive, unactive, unactive, unactive, ...
3    [new, unactive, return, active, unactive, unac...
4    [new, unactive, unactive, unactive, unactive, ...
5    [new, active, unactive, return, active, active...
dtype: object

df_purchase_new = DataFrame(data=pivoted_status.tolist(),index=df_purchase.index,columns=df_purchase.columns)
df_purchase_new.head()

 

 

每月【不同活躍】用戶的計數

• purchase_status_ct = df_purchase_new.apply(lambda x : pd.value_counts(x)).fillna(0)
• 轉置進行最終結果的查看

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