开发环境

anaconda
- 集成环境：集成好了数据分析和机器学习中所需要的全部环境
- 安装目录不可以有中文和特殊符号
jupyter
- anaconda提供的一个基于浏览器的可视化开发工具

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

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]')

数据加载

设置字段：
- 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

解析用户消费记录(数据分析三剑客综合使用)-LMLPHP

观察数据

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.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  datetime64[ns]
 2   order_product  69659 non-null  int64         
 3   order_amount   69659 non-null  float64       
dtypes: datetime64[ns](1), float64(1), int64(2)
memory usage: 2.1 MB

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()

解析用户消费记录(数据分析三剑客综合使用)-LMLPHP

在源数据中添加一列表示月份:astype('datetime64[M]')

# 基于order_dt取出其中的月份
# astype('datetime64[M]')  将类型更换成 datetime64[M]，仅仅表示月份
df['order_dt'].astype('datetime64[M]')

0       1997-01-01
1       1997-01-01
2       1997-01-01
3       1997-01-01
4       1997-03-01
           ...    
69654   1997-04-01
69655   1997-04-01
69656   1997-03-01
69657   1997-03-01
69658   1997-03-01
Name: order_dt, Length: 69659, dtype: datetime64[ns]

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

解析用户消费记录(数据分析三剑客综合使用)-LMLPHP

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

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

解析用户消费记录(数据分析三剑客综合使用)-LMLPHP

所有用户每月的产品购买量

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

解析用户消费记录(数据分析三剑客综合使用)-LMLPHP

所有用户每月的消费总次数

原始数据中的一行数据表示一次消费记录

# count() 统计总共有多少行数据
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

可能同一天一个用户会消费多次
nunique表示统计去重后的个数

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产品数量的散点图
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

每个用户消费的总金额

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

每个用户消费的总次数

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

user_id
1         1
2         2
3         6
4         4
5        11
         ..
23566     1
23567     1
23568     3
23569     1
23570     2
Name: order_dt, Length: 23570, dtype: int64

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_product_sum,user_amount_sum)

<matplotlib.collections.PathCollection at 0x29d3cd9f370>
解析用户消费记录(数据分析三剑客综合使用)-LMLPHP

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']
df.groupby(by='user_id').sum().query('order_amount <= 1000')['order_amount'].hist()

解析用户消费记录(数据分析三剑客综合使用)-LMLPHP

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()

解析用户消费记录(数据分析三剑客综合使用)-LMLPHP

第四部分：用户消费行为分析（重点）

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次消费和最后一次消费的时间
    - agg(['func1','func2']):对分组后的结果进行多种指定聚合
  - 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

第一次消费的月份

每一个用户消费月份的最小值就是该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]

人数统计（绘制线形图）

# value_counts() 统计每一个元素出现的次数
df.groupby(by='user_id')['month'].min().value_counts()
df.groupby(by='user_id')['month'].min().value_counts().plot()

解析用户消费记录(数据分析三剑客综合使用)-LMLPHP

用户最后一次消费的时间分布，和人数统计

用户消费月份的最大值就是用户最后一次消费的月份

最后一次消费的月份

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

人数统计（绘制线形图）

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

解析用户消费记录(数据分析三剑客综合使用)-LMLPHP

新老客户的占比

消费一次为新用户，消费多次为老用户
如何获知用户是否为第一次消费？可以根据用户的消费时间进行判定？
- 如果用户的第一次消费时间和最后一次消费时间一样，则该用户只消费了一次为新用户，否则为老用户

分析出每一个用户的第一次消费和最后一次消费的时间

new_old_user_df = df.groupby(by='user_id')['order_dt'].agg(['min','max'])  # agg对分组后的结果进行多种指定聚合
new_old_user_df

解析用户消费记录(数据分析三剑客综合使用)-LMLPHP

分析出新老客户的消费比例

new_old_user_df['min'] == new_old_user_df['max']  # True新用户，False老用户

user_id
1         True
2         True
3        False
4        False
5        False
         ...  
23566     True
23567     True
23568    False
23569     True
23570    False
Length: 23570, dtype: bool

# 统计True和False的个数
(new_old_user_df['min'] == new_old_user_df['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

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

解析用户消费记录(数据分析三剑客综合使用)-LMLPHP

RFM模型设计

max_dt = df['order_dt'].max()  # 今天的日期

# 每个用户最后一次交易的时间
-(df.groupby(by='user_id')['order_dt'].max() - max_dt)

# R表示客户最近一次交易时间的间隔
# /np.timedelta64(1,'D')：去除days
rfm['R'] = -(df.groupby(by='user_id')['order_dt'].max() - max_dt) /np.timedelta64(1,'D')

rfm.drop(labels='order_dt',axis=1,inplace=True)

# 重新给每一列取名
rfm.columns = ['M','F','R']
rfm.head()

解析用户消费记录(数据分析三剑客综合使用)-LMLPHP

将用户根据价值分层

# 固定算法
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()

解析用户消费记录(数据分析三剑客综合使用)-LMLPHP

第五部分：用户的生命周期（重点）

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，消费则记录为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

统计每个用户每个月的消费次数

user_month_count_df = df.pivot_table(index='user_id',values='order_dt',aggfunc='count',columns='month').fillna(0)
user_month_count_df.head()

解析用户消费记录(数据分析三剑客综合使用)-LMLPHP

统计每个用户每个月是否消费，消费则记录为1,否则记录为0

# applymap() 对DataFrame中每个元素进行操作
# apply() 对DataFrame中行或列进行操作
df_purchase = user_month_count_df.applymap(lambda x:1 if x >= 1 else 0)
df_purchase.head()

解析用户消费记录(数据分析三剑客综合使用)-LMLPHP

将用户按照每个月分成不同活跃度的用户

# 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()

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.values.tolist(),index=df_purchase.index,columns=df_purchase.columns)
df_purchase_new

解析用户消费记录(数据分析三剑客综合使用)-LMLPHP

每月【不同活跃】用户的计数
- purchase_status_ct = df_purchase_new.apply(lambda x : pd.value_counts(x)).fillna(0)
- 转置进行最终结果的查看

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

解析用户消费记录(数据分析三剑客综合使用)-LMLPHP

purchase_status_ct.T

解析用户消费记录(数据分析三剑客综合使用)-LMLPHP

zylyehuo

解析用户消费记录(数据分析三剑客综合使用)

开发环境

第一部分：数据类型处理

数据加载

观察数据

将order_dt转换成时间类型

查看数据的统计描述

在源数据中添加一列表示月份: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

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

每个用户消费的总金额

每个用户消费的总次数

用户消费金额和消费产品数量的散点图

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)

第四部分：用户消费行为分析（重点）

用户第一次消费的月份分布，和人数统计

第一次消费的月份

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

最后一次消费的月份

人数统计（绘制线形图）

新老客户的占比

分析出每一个用户的第一次消费和最后一次消费的时间

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

将用户根据价值分层

第五部分：用户的生命周期（重点）

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，消费则记录为1,否则记录为0

将用户按照每个月分成不同活跃度的用户