用户消费行为分析

依然是学习夜希辰同学的数据分析.这次感觉没有第一篇那么顺手,python学习仍需努力啊

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

columns = ['user_id','order_dt','order_products','order_amount']
data = pd.read_table(r'C:\Users\12435\Desktop\shujufenxi\qizhou\qizhou\CDNOW_master.txt',names = columns,sep = '\s+')

列字段的含义:

user_id:用户id
order_dt:购买日期
order_products:购买产品数量
order_amount:购买总金额

观察数据,一个用户可以在多个日期进行购买(回头客),也可能会在同一天内购买多次.一次可以购买多个产品

df['order_dt'] = pd.to_datetime(df['order_dt'],format = '%Y%m%d')
df['month'] =df.order_dt.values.astype('datetime64[M]')
df.describe()

第二部分,按月数据分析 从用户方向,订单方向,消费趋势进行分析

消费趋势的分析
每月消费总金额
每月消费次数
每月产品购买数
每月消费人数

#每月消费总金额
group_month = df.groupby('month')
order_month_amount=group_month['order_amount'].sum()
order_month_amount.head()

order_month_amount.plot()
plt.title('月总消费额')
plt.show()

#2-每月的消费次数
group_month.user_id.count().plot()
for i in range(len(group_month.user_id.count())):
               plt.text(group_month.user_id.count().index[i],group_month.user_id.count().values[i]+100,
                       '%d'%group_month.user_id.count().values[i])

前三个月订单量都在10000左右,第四个月骤降到3781,之后保持平稳下滑趋势

#3.每月产品购买量
group_month.order_products.sum().plot()

每月的产品购买量一样呈现早期购买量多，后期平稳下降的趋势。为什么会呈现这个原因呢？我们假设是用户身上出了问题，早期时间段的用户中有异常值，第二假设是各类促销营销，但这里只有消费数据，所以无法判断。

#每月的消费人数
a=df.groupby('month').user_id.nunique()
a.plot()
for i in range(len(a)):
    plt.text(a.index[i],a.values[i]+100,'%d'%a.values[i])
plt.show()

每月的消费人数小于每月的消费次数，但是区别不大。前三个月每月的消费人数在8000—10000之间，后续月份，平均消费人数在2000不到。一样是前期消费人数多，后期平稳下降的趋势。

#使用数据透视表分析
df.pivot_table(index = 'month'
              ,values=['order_products','order_amount','user_id']
              ,aggfunc={
   'order_products':'sum'
                       ,'order_amount':'sum'
                       ,'user_id':'count'}).head()

第二部分小结:按月分析主要应用了groupby简单了解趋势

用户个体消费数据分析

之前我们维度都是月，来看的是趋势。有时候我们也需要看个体来看这个人的消费能力如何，这里划分了五个方向如下：

用户消费金额和消费次数的描述统计
用户消费金额和消费次数的散点图
用户消费金额的分布图（二八法则）
用户消费次数的分布图
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）

#用户消费金额和消费次数的描述统计
group_user = df.groupby('user_id')
group_user.sum(</