数据分析项目三：用户消费行为分析

观察数据

        这个项目给的数据是txt格式，没有列名，视频中介绍依次是用户ID、消费时间、购买数量、消费总金额

数据处理

一.导入需要的库

        这里新增的是datetime用来转换数据类型，style.use更改绘图风格

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from datetime import datetime
plt.rcParams['font.sans-serif'] = 'SimHei'
%matplotlib inline
plt.style.use('ggplot') # 更改绘图风格

二.导入数据

        txt文件用read_table函数导入，而且由于没有列名，自己定义，分别是user_id、order_dt、order_products、order_amount

        观察数据会发现第一列与第二列间有一个空格，第二列与第三列间有两个空格，第三列与第四列间有三个空格，所以分隔符sep是\s，+代表任意个\s

# 导入数据，这里是txt文件，而且没有首行
columns = ['user_id','order_dt','order_products','order_amount']
df = pd.read_table('CDNOW_master.txt',names=columns,sep='\s+') # sep='\s+'代表匹配任意个空格
df.head()
# 通过观察前五行能发现：
# 1.order_dt代表时间，后续需要修改格式，日期格式需转换
# 2.存在一个用户一天购买多次行为

三.数据预处理

df.describe()
# 结论：
# 1.用户平均每笔订单买2.4个商品，标准差为2.3，波动正常，75%分位时为3，也就是绝大多数每单购买量在2-3单
# 2.购买金额看出大部分消费金额在中小额，30-45左右

df.info()
# 可以看出数据比较干净，没有空值

        由上图可以看出日期列是int类型，所以要进行转化，format是告诉to_datetime函数要处理的数据是什么样的，在此基础上又新增了一列将日期精度转化为月（即每个月不论是几号都转化成当月1号）【为什么不能直接取出月份呢？因为这里有97年和98年的数据，只取月份会不知道是哪一年的，这样转化最好】

# 数据预处理
# 转换日期类型
df['order_date'] = pd.to_datetime(df['order_dt'],format='%Y%m%d')
# format参数：按照指定的格式去匹配要转换的数据列
# %Y：四位数的年份1989   %m：两位数的月份08   %d两位数的天数13
# %y：两位数的年份89   %h：两位数的小时13   %M：两位数的分钟13   %s：两位数的秒13

# 将order_date转化为精度为月的数据列，这里的作用后续会讲到
df['month'] = df['order_date'].astype('datetime64[M]') # [M]：控制转化后的精度
df.head()

用户整体消费趋势分析（按月份）

        整体消费趋势分析就是按月份分组，购买数量和消费金额简单sum求和就行，消费次数用count函数计数，一行数据代表一次消费。

        消费人数这里先对user_id应用apply进行去重，这时是一个series对象，直接求长度就是消费人数了

# 用户整体消费趋势分析（按月份）
# 按月份统计产品购买数量、消费金额、消费次数、消费人数
# 这里画四个子图
plt.figure(figsize=(20,15)) # 单位为英寸
# 每月购买数量
plt.subplot(221)
df.groupby('month')['order_products'].sum().plot() # 默认折线图

# 消费金额
plt.subplot(222)
df.groupby('month')['order_amount'].sum().plot()

# 消费次数
plt.subplot(223)
df.groupby('month')['user_id'].count().plot()

# 消费人数(对user_id进行去重，这时是一个series对象，所以len就是个数)
plt.subplot(224)
df.groupby('month')['user_id'].apply(lambda x:len(x.drop_duplicates())).plot()

# 分析结果：
# 1.图一看出，97年前三个月销量很高，后销量稳定，呈现稍微下降趋势
# 2.图二看出，97年前三个月消费金额很高，后较稳定，稍微呈现下降趋势，原因：1.可能公司加大营销力度2.跟月份有关，春节前后，但是98年又没什么变化，可能不是
# 3.图三，前三月10000左右，后续2500左右
# 4.图四，前三月人数在8000-10000左右，后续2000左右
# 总结：所有数据显示，97年前三月数据异常，后续常态化

用户个体消费分析

一.用户消费金额、产品数量描述统计

        消费金额和购买的产品数量都是sum求和计算，可以放在一起做，根据user_id分组，求出每个用户的数据

# 1.用户消费金额、消费次数（产品数量）描述统计
user_group = df.groupby('user_id').sum()
user_group.describe()
# 从表中看出每个用户平均买7个商品，但是75%分位数为7，说明剩下25%的用户一定买的远远大于7个，才将平均值拉到7
# 从表中看出每个用户平均消费金额为106，同样75%分位数才是106，平均值大于中位数，属于右偏严重

        这里画散点图，指定哪个是x轴，哪个是y轴

# 绘制每个用户产品购买数量和消费金额散点图
user_group.plot(kind=