Python数据分析-------对国外某CD销售数据分析

1.数据背景描述：

这是一份用户消费行为的分析报告 数据来源于国外，是用户在一家CD网站上的消费记录。内容包含了1997-1998年全年的消费记录，列字段主要有购买时间，购买金额，用户Id,购买次数。

2.提出需求：

2.1用户分析消费趋势(每月)包括以下类目：

  2.1.1每月的消费总金额
  2.1.2每月消费次数
  2.1.3每月产品购买量
  2.1.4每月消费人数

2.2用户个体消费分析

   2.2.1用户消费金额和消费散点图用户消费金额，消费次数的描述统计。
   2.2.2用户消费金额分布图
   2.2.3用户消费次数的分布图
   2.2.4用户累计消费金额占比

2.3)用户消费行为

   2.3.1用户第一次消费
   2.3.2用户最后一次消费
   2.3.3新老消费比
   2.3.4使用RFM对新老用户分层

3.总结

------------------------分割线----------------------------------------------------------------------------------------------------

分析前的工作

我们先导入pandas包和numpy包。
我们先给列字段命名

 import pandas as pd
 import numpy as np
 columns=['user_id','order_dt','order_amount']

user_id：用户id
order_dt：购买时间
order_products：购买产品数
order_amount：购买金额
此时由于源数据为txt格式我们这里使用pandas下的read_table，而且因为源数据使用的是空格来分割数据我们这里在read_table方法例加上sep=’\s+'这里主要是使用的类似正则表达式
如下：

df=pd.read_table('CDNOW_master.txt'，names=columns，sep='\s+')

我们先看看这个表的概况：
df.head()

df.info() 和 df.describe()

用describe下的表可以看出大部分订单只消费了少量商品(平均只有2.4) 存在极值干扰。

用户的消费金额比较稳定，平均消费35源，中位数35，存在极值干扰。

使用pandas下的to_datetime把时间解析此时数据格式为C语言下时间的格式。

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

我们把月份转换为时间格式 作用就是我们可以直接调用month月份 这里的M也可以变成Y 那就是调取年份了

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

2.1进行用户消费趋势的分析(按月)

2.1.1每月的消费总金额
由于是按月分析我们先将month聚合

 grouped_month=df.groupby('month')

因为是要对每月的消费金额进行统计我们对聚合好的数据使用sum()函数

order_month_amount=grouped_month.order_amount.sum()   

结果如下

我们此时使用图表来让数据可视化

 import matplotlib.pyplot as plt

%matplotlib inline

这里的%是为了调用jupyter的内置函数主要的目的就是将可视化显示在页面

plt.style.use('ggplot')

更改设计风格

order_month_amount.plot()

让order_month_amount可视化
效果图如下

小结：有上图可知，消费金额在前3个月到达最高峰，后续消费金额稳定，有轻微下跌趋势。

2.1.2每月消费次数