电商用户数据分析报告

CDNow曾经是一家在线音乐零售平台，后被德国波泰尔斯曼娱乐集团公司出资收购，其资产总价值在最辉煌时曾超过10亿美元。本文主要通过分析CDNow网站的用户购买明细来分析该网站的用户消费行为，使运营部门在营销时更加具有针对性，从而节省成本，提升效率。

数据来源
本次分析数据来源CDNow网站的用户在1997年1月1日至1998年6月30日期间内购买CD交易明细。
数据下载地址
——提取码: va7h
数据集一共有用户ID，购买日期，订单数，订单金额四个字段。

import numpy as np
import pandas as pd
from datetime import datetime
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                    #读取数据
#4列特征，分别为用户id，购买日期，购买数量，购买金额
columns=['user_id','order_dt','order_products','order_amount']
data=pd.read_table('./CDNOW_master.txt',names=columns,sep='\s+')
data.head()

	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

data.describe()  # 数据的基本信息

	user_id	order_dt	order_products	order_amount
count	69659.000000	6.965900e+04	69659.000000	69659.000000
mean	11470.854592	1.997228e+07	2.410040	35.893648
std	6819.904848	3.837735e+03	2.333924	36.281942
min	1.000000	1.997010e+07	1.000000	0.000000
25%	5506.000000	1.997022e+07	1.000000	14.490000
50%	11410.000000	1.997042e+07	2.000000	25.980000
75%	17273.000000	1.997111e+07	3.000000	43.700000
max	23570.000000	1.998063e+07	99.000000	1286.010000

从上可知，看数据6关键指标：样本数：69659，最小值：0，最大值：1286，平均值：36，方差36，中位数：26。平均数大于中位数，右偏分布。没有空缺数据，不用清理直接分析，注意到日期数据是整数型，需要转换成时间格式。

#增加两个新时间序列
#将order_dt转化成时间格式
data['order_date']=pd.to_datetime(data.order_dt,format='%Y%m%d')
#将order_date转化成每月起始第一天#将order_date转化成每月起始第一天
data['month']=data.order_date.values.astype('datetime64[M]')

#按用户ID进行分组
user_grouped=data.groupby('user_id').sum()
user_grouped

	order_dt	order_products	order_amount
user_id
1	19970101	1	11.77
2	39940224	6	89.00
3	119833602	16	156.46
4	79882233	7	100.50
5	219686137	29	385.61
6	19970101	1	20.99
7	59921434	18	264.67
8	159775420	18	197.66
9	59921222	6	95.85
10	19970121	3	39.31
11	79890766	4	58.55
12	19970101	4	57.06
13	19970101	4	72.94
14	19970101	2	29.92
15	19970101	4	52.87
16	79882450	8	79.87
17	19970101	5	73.22
18	19970104	1	14.96
19	39940711	11	175.12
20	39940219	46	653.01
21	39940214	4	75.11
22	19970101	1	14.37
23	19970101	2	24.74
24	39950221	4	57.77
25	159804813	12	137.53
26	39940227	6	102.69
27	39940219	10	135.87
28	59910536	7	90.99
29	239656335	28	435.81
30	39940315	2	28.34
...	...	...	...
23541	39940727	2	57.34
23542	19970325	5	77.43
23543	19970325	2	50.76
23544	59920964	12	134.63
23545	19970325	1	24.99
23546	19970325	1	13.97
23547	39940732	2	23.54
23548	19970325	2	23.54
23549	19970325	2	27.13
23550	19970325	2	25.28
23551	119824382	12	264.63
23552	39940728	4	49.38
23553	39940653	8	98.58
23554	39950526	3	36.37
23555	99873685	14	189.18
23556	139814017	15	203.00
23557	19970325	1	14.37
23558	79891692	11	145.60
23559	59911470	8	111.65
23560	19970325	1	18.36
23561	59930982	6	83.46
23562	19970325	2	29.33
23563	39941329	3	58.75
23564	59911976	5	70.01
23565	19970325	1	11.77
23566	19970325	2	36.00
23567	19970325	1	20.97
23568	59911152	6	121.70
23569	19970325	2	25.74
23570	39940651	5	94.08

23570 rows × 3 columns

user_grouped.describe()

	order_dt	order_products	order_amount
count	2.357000e+04	23570.000000	23570.000000
mean	5.902627e+07	7.122656	106.080426
std	9.460684e+07	16.983531	240.925195
min	1.997010e+07	1.000000	0.000000
25%	1.997021e+07	1.000000	19.970000
50%	1.997032e+07	3.000000	43.395000
75%	5.992125e+07	7.000000	106.475000
max	4.334408e+09	1033.000000	13990.930000

原表只按订单来记录，现按用户分组看数据集概述。

从购买数量（单位：PC）角度看，用户数量：23570，平均值购买7张，最多购买1033张，属于狂热用户，中位数3张，平均值大于中位数，是右偏分布，存在小部分购买多张碟的用户。

从消费金额（单位：美元）角度看，平均数106，最高值：13990，属于土豪用户，中位数43，平均值大于中位数，是右偏分布，存在小部分高消费用户。

#设定绘图风格
plt.style.use('ggplot')
plt.rcParams['font.sans-serif']=['SimHei']
ax=data.groupby('month').order_products.sum().plot()
ax.set_xlabel('月份')
ax.set_ylabel('数量(张)')
ax.set_title('不同月份的用户购买数量')
plt.show()

ax=data.groupby('month').order_amount.sum().plot()
ax.set_xlabel('月份')
ax.set_ylabel('消费金额')
ax.set_title('不同月份的用户消费金额')
plt.show()

由图片可知，无论是消费金额还是CD碟数都呈现相同的趋势，而且前三月数据都呈现出异常状态，由于我们不知道原数据到底从何获得，只能做出这三个月有促销活动，抑或是这是新开的店之类的，前三个月大多都是新人之类的假设，我们不得而知，继续往下看。

ax=data.groupby('user_id').sum().plot.scatter('order_amount','order_products')
ax.set_xlabel('消费金额')
ax.set_ylabel('数量')
ax.set_title('每个用户消费金额与购买个数的关系')
plt.show()

每个用户的消费金额跟购买数量呈现一定的线性关系。

plt.figure(figsize=(12,4))
ax=plt.subplot(121)
ax=data.groupby('user_id').order_products.sum().plot.hist(bins