最全Python大数据-对淘宝用户的行为数据分析(2)

data.isnull().sum()

data.shape

 ​ ​

可以看到数据中并没有空数据，数据的规模在1000万左右，分为6列，依次为用户id、商品id、用户行为类型、时间。其中用户行为类型中1代表点击（当做pv），2代表collect（收藏），3代表cart（加入购物车）数据较为完整，不需要继续进行清洗，对数据进行分析

五、数据分析

---

• 流量指标分析：流量指标是指用户在某一个网站操作的每一个步骤记录的指标，埋点数据，PV是指其浏览量，UV代表独立访客数，访问深度代表每个独立访客的浏览量，页面跳出率 则是指浏览某个页面离开的次数/这个页面的全部访问次数

1、不同时间下PV、UV的流量变化情况

---

1）每天的PV、UV变化情况

• 首先计算一下总流量

总PV值=数据条数

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

import os

data.shape[0]

总流量为12256906，在计算一下日平均流量、日平均独立访客数

##日PV

pv_daily = data.groupby([‘date’])[‘user_id’].count().reset_index().rename(columns={‘user_id’:‘pv_daily’})

pv_daily.head()

• 日平均独立访客数与日平均流量的区别在于要进行去重

##日UV

uv_daily = data.groupby([‘date’])[‘user_id’].apply(lambda x:x.drop_duplicates().count()).reset_index().rename(columns={‘user_id’:‘uv_daily’})

uv_daily.head()

s=uv_daily[‘uv_daily’]

pv_daily[‘uv_daily’]=s

pv_daily

将两表合并

• 

plt.figure(figsize=(40,20),dpi=80)

font={

“family”:“kaiti”,

“size”:‘30’

}

plt.rc(“font”,**font)

plt.subplot(211)#在第一个位置日平均流量图

plt.plot(pv_daily[‘date’],pv_daily[‘pv_daily’],‘co-’)

plt.gca().xaxis.set_major_formatter(mdates.DateFormatter(‘%m/%d’))

plt.gca().xaxis.set_major_locator(mdates.DayLocator()) # 按月显示,按日显示的话，将MonthLocator()改成DayLocator()

plt.gcf().autofmt_xdate()

ax=plt.gca()

ax.spines[“top”].set_color(“w”)

ax.spines[“bottom”].set_color(“r”)

ax.spines[“left”].set_color(“r”)

ax.spines[“right”].set_color(“w”)

plt.gcf().autofmt_xdate()

#设置X轴标签

plt.xlabel(“时间”)

#设置y轴标签

plt.ylabel(“日平均流量统计图”)

plt.title(‘日平均流量’)

plt.figure(figsize=(40,20), dpi=80)

plt.subplot(212)#第二个位置绘制日平均独立访客数

plt.plot(pv_daily[‘date’],pv_daily[‘uv_daily’],‘yo-’)

plt.gca().xaxis.set_major_formatter(mdates.DateFormatter(‘%m/%d’))

plt.gca().xaxis.set_major_locator(mdates.DayLocator())

ax=plt.gca()

ax.spines[“top”].set_color(“w”)

ax.spines[“bottom”].set_color(“r”)

ax.spines[“left”].set_color(“r”)

ax.spines[“right”].set_color(“w”)

plt.title(‘日独立访问客流量’)

plt.gcf().autofmt_xdate()

#设置X轴标签

plt.xlabel(“时间”)

#设置y轴标签

plt.ylabel(“日独立访客量统计图”)

plt.show()

绘制子图，将日平均流量和独立访问客数放在一起进行对比分析：

• 

• 可以发现在双十二当天是流量和独立访客数的高峰，在平常波动不大

每天时刻数据

每天的时刻数据

pv_daily_hour = data.groupby([‘hour’])[‘user_id’].count().reset_index().rename(columns={‘user_id’:‘pv’})

uv_daily_hour = data.groupby([‘hour’])[‘user_id’].apply(lambda x:x.drop_duplicates().count()).reset_index().rename(columns={‘user_id’:‘uv’})

pv_daily_hour.head()

uv_daily_hour.head()

plt.figure(figsize=(15,18),dpi=80)

plt.subplot(211)

plt.plot(pv_daily_hour[‘hour’],pv_daily_hour[‘pv’],‘bo-’)

plt.title(“每小时PV”)

plt.savefig(“每小时PV.png”)

plt.xticks(np.arange(0, 24, step=1))

plt.xlim(data.index.values[0])

plt.figure(figsize=(15,18),dpi=80)

plt.subplot(212)

plt.plot(uv_daily_hour[‘hour’],uv_daily_hour[‘uv’],‘yo-’)

plt.title(“每小时UV”)

plt.savefig(“每小时UV.png”)

plt.xticks(np.arange(0, 24, step=1))

plt.xlim(data.index.values[0])

plt.show()

• 从早上5：00-10:00,18:00-21:00这两个时间段pv有较明显上升；uv从早上6:00-10:00有较明显增加，而后到21点uv保持稳定数量，然后开始下降；pv、uv变化符合大众工作作息时间，侧面证明数据是真是有效的。

2、不同购物行为在不同时间维度下的变化情况

---

plt.figure(figsize=(10, 4))

sns.lineplot(data=d_pv_h, lw=3)

plt.show()

plt.figure(figsize=(10, 4))

sns.lineplot(data=d_pv_h.iloc[:, 1:], lw=3)

plt.show()

虽然大体上各波动趋势相同，但是加购物车数远高于收藏数。

每个UV的平均访问深度=总流量/独立访客数

round(data[‘user_id’].shape[0]/data[‘user_id’].nunique(),2)

##=1225.69

每个UV的日平均访问深度

round(data[‘user_id’].shape[0]/data[‘user_id’].nunique()/data[‘date’].nunique(),2)

##=39.54

分析期间，每个UV的平均PV量是1225.69，每个UV的平均访问深度是39.54

3 、用户转化行为漏斗模型分析

---

计算每一个行为环节用户的访问量

view = data.groupby([‘behavior_type’])[‘user_id’].count().reset_index().rename(columns={‘user_id’:‘pv’})

view.head

其中：

beihavior_type	-
1	点击
2	收藏
3	加购物车
4	支付

#计算各个环节的流失率

print(“点击->加购物车流失率是:%d” % round((view[‘pv’][0]-view[‘pv’][2])*100/view[‘pv’][0],4) + ‘%’)

print(‘点击->收藏流失率是:%d’ % round((view[‘pv’][0]-view[‘pv’][1])*100/view[‘pv’][0],4) + ‘%’)

print(‘加购物车->支付的流失率是:%d’ % round((view[‘pv’][2]-view[‘pv’][3])*100/view[‘pv’][2],4) + ‘%’)

print(‘收藏->支付的流失率是:%d’ % round((view[‘pv’][1]-view[‘pv’][3])*100/view[‘pv’][1],4) + ‘%’)

from pyecharts.charts import Funnel

attr = [‘点击’,‘收藏’,‘加购物车’,‘支付’]

数据支持[(属性,数量)]

image_data = [(attr[i],int(view[‘pv’][i])) for i in range(len(attr))]

print(image_data)

funnel = (Funnel().add(series_name=‘用户行为漏斗’, data_pair=image_data))

funnel.render_notebook()

用户产生点击后可能进行的操作分别为：点击->加购物车、点击->收藏、加购物车->支付、收藏->支付，可以明显的看出用户的流失率比较大，根据用户购买途径计算出各个阶段用户流失率：

• 从浏览——加入购物车/收藏——付款的转化率较低；可以看出浏览到加入购物车或者收藏这一环节的流失率较大，可能由于产品不符合消费者需求或者详情页面不友好等需要对其中原因进一步挖掘分析，查看独立访客情况。

独立访客漏斗模型计算：

view = data.groupby([‘behavior_type’])[‘user_id’].apply(lambda x:x.drop_duplicates().count()).reset_index().rename(columns={‘user_id’:‘pv’})

view

可以看到相应的转化率还是比较高的！

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA5L2g6ZqU5aOB55qE5bCP546L,size_20,color_FFFFFF,t_70,g_se,x_16)

可以看到相应的转化率还是比较高的！

[外链图片转存中…(img-AcGFSe1L-1714806820178)]
[外链图片转存中…(img-OaYwVpn9-1714806820178)]

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！