目录
5. 用户累计消费金额的占比（百分之多少的用户占了百分之多少的消费额）
导入及分析
项目名称：CD用户消费行为分析
项目概述：本项目主要利用Numpy，Pandas，matplotlib等三个工具进行数据的处理，来分析用户消费行为。数据来源与CDNow网站的用户购买明细。
分析步骤：
第一部分：数据清洗
1. 数据类型的转换
2. 空值处理
3. 异常值处理
第二部分：按月数据分析
1. 每月的消费总金额
2. 每月的消费次数
3. 每月的产品购买量
4. 每月的消费人数
第三部分：用户个体消费数据分析
1. 用户消费金额和消费次数的描述统计
2. 用户消费金额和消费次数的散点图
3. 用户消费金额的分布图
4. 用户消费次数的分布图
5. 用户累计消费金额的占比
第四部分：用户消费行为分析
1. 用户第一次消费时间
2. 用户最后一次消费时间
3. 新老客户消费比
4. 用户分层
5. 用户购买周期
6. 用户生命周期
第一部分：数据清洗
导包
#导入需要的包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime数据加载&分析数据
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
消费行业或者是电商行业一般是通过订单数、订单额、购买日期，用户ID这四个字段来分析的,基本上这四个字段就能缑进行很丰富的分析。
# 因为原始数据中不包含表头，在这里定义好赋值
columns=['user_id','order_dt','order_products','order_amount']
# 参数 sep='\s+'，用于匹配任意空白符
df=pd.read_csv('./data/CDNOW_master.txt',names=columns,sep='\s+')
print(df.head())
print(df.info())输出结果
user_id order_dt order_products order_amount
0 1 19970101 1 11.77
1 2 19970112 1 12.00
2 2 19970112 5 77.00
3 3 19970102 2 20.76
4 3 19970330 2 20.76
<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_products 69659 non-null int64
3 order_amount 69659 non-null float64
dtypes: float64(1), int64(3)
memory usage: 2.1 MB
None
Process finished with exit code 0分析：
1.数据完整，没有空数据
2.order_dt是int类型，需要将其转换成时间类型
3.用户可能在同一天内重复购买（如：ID为2的顾客在1月12日这一天内购买了两次）
4.因为后面要按月分析，需要添加一列month
数据清洗
#数据清洗
df=date1.copy()
# format='%Y%m%d' 这里要指明格式，否则可能出错
df['order_dt']=pd.to_datetime(df['order_dt'],format='%Y%m%d')
# 增加一列 month
df['month']=df['order_dt'].values.astype('datetime64[M]')
print(df.head())输出结果
user_id order_dt order_products order_amount month
0 1 1997-01-01 1 11.77 1997-01-01
1 2 1997-01-12 1 12.00 1997-01-01
2 2 1997-01-12 5 77.00 1997-01-01
3 3 1997-01-02 2 20.76 1997-01-01
4 3 1997-03-30 2 20.76 1997-03-01
Process finished with exit code 0分析：
describe()是描述统计：
user_id order_products order_amount
count 69659.000000 69659.000000 69659.000000
mean 11470.854592 2.410040 35.893648
std 6819.904848 2.333924 36.281942
min 1.000000 1.000000 0.000000
25% 5506.000000 1.000000 14.490000
50% 11410.000000 2.000000 25.980000
75% 17273.000000 3.000000 43.700000
max 23570.000000 99.000000 1286.010000
Process finished with exit code 0分析
1. 大部分的订单只消费了少量的商品（平均2.4），有一定的极值干扰
2. 用户的消费金额比较稳定，平均消费在35.8元，中位数在25.9元，有一定的极值干扰。
3. 用户平均每笔订单购买2.4个商品，标准差在2.3，稍具波动性。中位数2个商品，75分位数3个商品， 说明绝大部分订单的购买量都不多。最大值在99个，数字比较高。购买金额的情况差不多，大部分 订单集中在小额
4. 一般而言，消费类的数据分布都是长尾形。大部分用户都是小额，然而小部分用户贡献了收入的大头， 俗称二八。
第二部分：按月数据分析
分析方向：用户、订单、消费趋势
消费趋势的分析
# 查看一下df的列,方便操作
print(df.columns)输出结果
Index(['user_id', 'order_dt', 'order_products', 'order_amount', 'month'], dtype='object')1. 每月的消费总金额
#每月消费总金额
# 根据 month分组统计购买金额总和
order_amt_mon=df.groupby('month')['order_amount'].sum()
print(order_amt_mon.head())
输出结果
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
Name: order_amount, dtype: float64
Process finished with exit code 0绘图
#绘图
order_amt_mon.plot(c='red')
plt.show()
分析：
可以看到，97年1，2，3月销量很高，每月平局约3.6万，后期销量趋于平稳，每月在1万左右波动
2. 每月的消费次数
#2. 每月的消费次数
order_amt_count=df.groupby('month')['user_id'].count()
#绘图
order_amt_count.plot(c='orange')
plt.show()
分析：
前三个月平均消费订单在1万左右，后续月份趋于平稳，约在2500单每月
3. 每月的产品购买量
#3. 每月的产品购买量
order_products_sum=df.groupby('month')['order_products'].sum()
#绘图
order_products_sum.plot(c='b')
plt.show()
分析：
前3个月产品购买数量平均在24000左右，后期下降趋于平稳，约6000每月。原因猜想：
1.用户层面，早期用户中有异常值；
2. 公司层面，在搞促销等。因为只有销售数据，所以暂时无法判断具体原因。
4. 每月的消费人数（去重）
每月的消费人数（去重）去重的原因：一个人可能在一个月内多次消费
nunique表示统计去重后的个数
#4. 每月的消费人数（去重）去重的原因：一个人可能在一个月内多次消费
user_id_count=df.groupby('month')['user_id'].nunique()
user_id_count.plot(c='g')
plt.show()
分析：
每个月的消费人数小于每月的消费次数，但是区别不大。前3个月月均消费人数在9000左右，后续月均2000不到，一样是前期消费人多，后期平稳的趋势。
5. 将上述趋势分析用透视表展示(pivot_table)
#5. 将上述趋势分析用透视表展示(pivot_table)
df_pivot_table=df.pivot_table(index='month',
values=['user_id', 'order_products', 'order_amount'],
aggfunc={'user_id':'count','order_amount':'sum','order_products':'sum'})
print(df_pivot_table.head())输出结果
order_amount order_products user_id
month
1997-01-01 299060.17 19416 8928
1997-02-01 379590.03 24921 11272
1997-03-01 393155.27 26159 11598
1997-04-01 142824.49 9729 3781
1997-05-01 107933.30 7275 2895
Process finished with exit code 0分析：（解决一个需求可能会有很多种方法，具体看哪个更方便，更简单）
数据透视表是更简单的方法，有了透视表，用里面的数据绘图也是狠方便的。
第三部分：用户个体消费数据分析
上面是通过维度月，来看总体趋势。下面对个体进行分析，看消费能力如何。 大致分为以下五个方向：
1. 用户消费金额和消费次数的描述统计；
2. 用户消费金额和消费次数的散点图；
3. 用户消费金额的分布图（二八法则）；
4. 用户消费次数的分布图；
5. 用户累计消费金额的占比（百分之多少的用户占了百分之多少的消费额）
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
