Python 淘宝用户双十二行为分析

最新推荐文章于 2024-07-23 14:36:35 发布

言澈｀

最新推荐文章于 2024-07-23 14:36:35 发布

阅读量621

点赞数 1

文章标签： python 数据分析数据挖掘信息可视化开发语言

本文链接：https://blog.csdn.net/m0_56140478/article/details/129424000

版权

项目背景：

淘宝是阿里巴巴集团旗下的一款移动商务平台产品，是中国深受欢迎的网购零售平台，拥有近5亿的注册用户数，每天有超过6000万的固定访客，同时每天的在线商品数已经超过了8亿件，平均每分钟售出4.8万件商品。庞大的用户量和销售量决定了淘宝拥有非常丰富的用户行为数据，在这个数字经济的时代下，拥有数据且有效运用数据是推动产品运营效果提升的关键要素。

此次项目的数据集来源于2014年双十二期间，阿里巴巴移动商务平台上真实的用户商品行为数据，通过对行业的关键指标进行多维度分析，从而探索淘宝用户的行为模式，致力于为产品的运营和营销提供数据决策基础。

一、认识数据

user_id：用户名
item_id：商品名
behavior_type：用户行为类型（1：点击，2：加购，3：收藏，4：支付）
user_geohash：用户地理位置
item_category：商品种类
time：用户操作时间

#导入包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt 
#导入数据
df=pd.read_csv("tianchi_mobile_recommend_train_user.csv")
#查看数据
df.head()

df.info()
#数据有1225万条，6个字段，user_geohash，time列数据类型为object，后续需要进行更改

df.describe()
#查看数据描述性分析

二、处理数据

#统计重复值
df.duplicated().sum()

结果显示4092866条重复数据

#有大量重复数据，需要对其进行删除，并替换原数据
df.drop_duplicates(inplace=True)
df.info()
# 数据只剩816万，400多万条重复数据已删除

#缺失值
df.isna().sum()

#缺失值集中在user_geohash列，而且数据量很大，考虑将该列删除
df.drop(columns='user_geohash',inplace=True)
df.info()
#数据列只剩5

#time列包含日期和小时两种信息，考虑将其拆分，日期和时间段作为两个分析维度
df['date']=df['time'].str.split(' ').str[0]#新建date列，存放time列中的日期信息

df['hour']=df[time].str.split(' ').str[1]#新建hour列，存放小时数据
# split函数只能用于字符串，先将time列转换为str格式

df.info()

#需要更改列的数据类型
df['time']=pd.to_datetime(df['time'])
df['date']=pd.to_datetime(df['date'])
df['hour']=pd.to_numeric(df['hour'])

df.info()
#数据类型转换成功

df.head()

三、数据分析及可视化

3.1 用户访问行为分析

3.1.1 日访问量

pv_daily=df.groupby('date')['用户名'].count()#选择任意列计数
pv_daily

# uv
# uv对于多次访问网页的同一用户不进行重复计数
uv_daily=df.groupby('date')['用户名'].apply(lambda x:x.drop_duplicates().count())
uv_daily

#可视化
#构建画布，将画布划分两行一列子区域
flg=plt.figure()
axes=flg.subplots(2,1)

#绘制条形图
pv_daily.plot(ax=axes[0],title='pv_daily')
uv_daily.plot(ax=axes[1],title='uv_daily')

plt.show()

小结及建议：
1.可以看出pv与uv的最大值均出现在12.12当天，说明双十二促销活动取得一定的引流效果
2.pv与uv变化趋势大体一致，结合主观经验可以认为uv变化使得pv变化
3.因此对于平台来说，比起促进同一用户访问多次页面，更重要的是吸引更多用户，增加uv从而增加pv
4.pv和uv趋势相似，但pv数据量要更大，说明同一用户在同一天内会访问页面多次

3.1.2 小时访问量

pv_hour=df.groupby('hour')['用户名'].count()#分组依据为hour
pv_hour

# uv
uv_hour=df.groupby('hour')['用户名'].apply(lambda x:x.drop_duplicates().count())
uv_hour

#构建画布，将画布划分两行一列子区域
flg=plt.figure()
axes=flg.subplots(2,1)

#绘制条形图
pv_hour.plot(ax=axes[0],title='pv_hour')
uv_hour.plot(ax=axes[1],title='uv_hour')

plt.show()