11、Python 数据分析-用户消费行为分析

remixnameless

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

1.1、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
df = pd.read_csv(\'./data/CDNOW_master.txt\',header=None,sep=\'\s+\',names=[\'user_id\',\'order_dt\',\'order_product\',\'order_amount\'])
df.head()

1.2、查看数据类型

查看数据的数据类型，数据中是否存储在缺失值

df.info()
>>>
<class \'pandas.core.frame.DataFrame\'>
RangeIndex: 69659 entries, 0 to 69658
Data columns (total 4 columns):
 #   Column         Non-Null Count  Dtype  
---  ------         --------------  -----  
 0   user_id        69659 non-null  int64  
 1   order_dt       69659 non-null  int64  
 2   order_product  69659 non-null  int64  
 3   order_amount   69659 non-null  float64
dtypes: float64(1), int64(3)
memory usage: 2.1 MB

将order_dt转换成时间类型

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

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
df.describe()

在源数据中添加一列表示月份

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

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

用户每月花费的总金额

month_amt_s = 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

​ 绘制曲线图展示

plt.figure(figsize=(8,5))
plt.plot(month_amt_s.index,month_amt_s.values)
#或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()
>>>
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

所有用户每月的消费总次数

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

统计每月的消费人数

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)

用户消费总金额和消费总次数的统计描述

#每一个用户消费总金额
df.groupby(by=\'user_id\')[\'order_amount\'].sum()
>>>
user_id
1         11.77
2         89.00
3        156.46
4        100.50
5        385.61
          ...  
23566     36.00
23567     20.97
23568    121.70
23569     25.74
23570     94.08
Name: order_amount, Length: 23570, dtype: float64
            
            
#每一个用户消费消费总次数
df.groupby(by=\'user_id\')[\'order_product\'].sum()
>>>
user_id
1         1
2         6
3        16
4         7
5        29
         ..
23566     2
23567     1
23568     6
23569     2
23570     5
Name: order_product, Length: 23570, dtype: int64

用户消费金额和消费次数的散点图

plt.scatter(df.groupby(by=\'user_id\')[\'order_amount\'].sum(),df.groupby(by=\'user_id\')[\'order_product\'].sum())
plt.xlabel(\'sum_amount\')
plt.ylabel(\'sum_product\')

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)

#各个用户消费总金额
user_amount_1000 = df.groupby(by=\'user_id\').sum().query(\'order_amount <= 1000\')[\'order_amount\']
>>>
user_id
1         11.77
2         89.00
3        156.46
4        100.50
5        385.61
          ...  
23566     36.00
23567     20.97
23568    121.70
23569     25.74
23570     94.08
Name: order_amount, Length: 23370, dtype: float64

#直方分布图
plt.hist(user_amount_1000,bins=50)

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)

#各个用户消费的总数量
user_product_100 = df.groupby(by=\'user_id\').sum().query(\'order_product <= 100\')[\'order_product\']
>>>
user_id
1         1
2         6
3        16
4         7
5        29
         ..
23566     2
23567     1
23568     6
23569     2
23570     5
Name: order_product, Length: 23491, dtype: int64

#直方分布图
plt.hist(user_product_100,bins=50)

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
  • 用户最后一次消费的时间分布，和人数统计
  • 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

用户第一次消费的月份分布，和人数统计

#用户第一次消费的月份分布
#分析：用户消费月份的最小值就是用户第一次消费的月份
df.groupby(by=\'user_id\')[\'month\'].min()
>>>
user_id
1       1997-01-01
2       1997-01-01
3       1997-01-01
4       1997-01-01
5       1997-01-01
           ...    
23566   1997-03-01
23567   1997-03-01
23568   1997-03-01
23569   1997-03-01
23570   1997-03-01
Name: month, Length: 23570, dtype: datetime64[ns]


#用户第一次消费的人数统计       
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

用户最后一次消费的时间分布，和人数统计

user_max = df.groupby(by=\'user_id\')[\'month\'].max().value_counts()
user_max.sort_index()#排序
>>>
1997-01-01    4192
1997-02-01    4912
1997-03-01    4478
1997-04-01     677
1997-05-01     480
1997-06-01     499
1997-07-01     493
1997-08-01     384
1997-09-01     397
1997-10-01     455
1997-11-01     609
1997-12-01     620
1998-01-01     514
1998-02-01     550
1998-03-01     993
1998-04-01     769
1998-05-01    1042
1998-06-01    1506
Name: month, dtype: int64

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
    #新老客户的占比
#何为新用户：只消费了一次
#何为老用户：消费了多次
#如何计算用户的消费次数:可以找出用户第一次和最后一次消费时间，如果这两个时间一样，则表示该用户只消费了一次，否则表示用户消费了多次
#agg：可以将分组后的结果进行多种形式的聚合操作
df_min_max = df.groupby(by=\'user_id\')[\'order_dt\'].agg([\'min\',\'max\'])

  • 分析出新老客户的消费比例

    (df_min_max[\'min\'] == df_min_max[\'max\']).value_counts()
>>>
True     12054
False    11516
dtype: int64

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
#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
#用户最近一次消费时间：用户消费时间的最大值
rfm = df.pivot_table(index=\'user_id\',aggfunc={\'order_product\':\'sum\',\'order_amount\':\'sum\',\'order_dt\':\'max\'})
rfm.head()

  • 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

#R表示客户最近一次交易时间的间隔:最后一次交易时间和交易数据的最后一天的一个间隔
rfm[\'R\'] =(rfm[\'order_dt\'].max() - rfm[\'order_dt\'])/np.timedelta64(1,\'D\')
rfm.columns = [\'M\',\'order_dt\',\'F\',\'R\']
rfm = rfm[[\'R\',\'F\',\'M\']]

  • 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
def rfm_func(x):
    #存储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.apply(lambda x : x - x.mean()).apply(rfm_func,axis = 1)
rfm.head()

4.1、用户消费的生命周期

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
df_purchase = df.pivot_table(index=\'user_id\',values=\'order_dt\',aggfunc=\'count\',columns=\'month\',fill_value=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
df_purchase = df_purchase.applymap(lambda x:1 if x >= 1 else 0)
df_purchase.head()

  • 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......
#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(len(df_purchase.columns)):
        #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()
>>>
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

#将df_purchase中的原始数据0和1修改为new，unactive......
new_df = DataFrame(data=pivoted_status.values.tolist(),columns=df_purchase.columns,index=df_purchase.index)

每月【不同活跃】用户的计数

purchase_status_ct = new_df.apply(lambda x : pd.value_counts(x)).fillna(0)
purchase_status_ct


#转置90°进行最终结果的查看
purchase_status_ct.T

分类：

技术点：

相关文章：

猜你喜欢
相关资源
相似解决方案
热门标签
Java Python linux javascript Mysql C# Docker 算法 前端 SpringBoot Redis Vue spring 设计模式 .net core .net kubernetes c++ 数据库 数据结构 大数据 js 机器学习 微服务 Android Go 程序员 面试 JVM ASP.net core 云原生 人工智能 后端 PHP git CSS golang k8s Nginx Django mybatis 深度学习 多线程 React 架构 devops 爬虫 云计算 Spring Boot LeetCode