电商用户行为预测数据初探

电商用户行为预测

数据分析

导入相关包

%matplotlib inline
import pandas as pd
import numpy as np

import matplotlib.pyplot as plt
import seaborn as sns
plt.rc('font', family='SimHei', size=13)

import os,gc,re,warnings,sys
warnings.filterwarnings("ignore")

自定义采样函数

def get_all_click_sample(data_path, sample_nums=10000):
    """
        训练集中采样一部分数据调试
        data_path: 原数据的存储路径
        sample_nums: 采样数目（这里由于机器的内存限制，可以采样用户做）
    """
    all_click = pd.read_csv(data_path + 'train.csv')
    all_user_ids = all_click.user_id.unique()

    sample_user_ids = np.random.choice(all_user_ids, size=sample_nums, replace=False) 
    all_click = all_click[all_click['user_id'].isin(sample_user_ids)]
    
    all_click = all_click.drop_duplicates((['user_id', 'product_id', 'event_time']))
    return all_click

读取数据

采取10000个用户的样本集

data_path = 'F:/data/'
trn_click = get_all_click_sample(data_path, sample_nums=10000)
tst_click = pd.read_csv(data_path+'test.csv')

数据预处理

统计用户的交互行为次数，并添加新的一列count

#计算用户与商品交互的次数，并添加新的一列count
trn_click['click_cnts'] = trn_click.groupby(['user_id'])['event_time'].transform('count')
tst_click['click_cnts'] = tst_click.groupby(['user_id'])['event_time'].transform('count')

数据浏览

用户的交互行为_训练集

trn_click.csv文件数据中每个字段的含义

event_time:用户行为发生的时间

event_type:用户的行为类型[浏览,加入购物车,从购物车删除, 购买]

product_id:用户查看或购买的商品的唯一标识

catagory_id:商品类型ID

category_code：商品类型的实际意义

brand：商品品牌

price：商品价格

user_id: 用户的唯一标识

user_session：用户会话ID

click_cnts：同一用户的交互次数

用户点击日志信息

trn_click.info()

trn_click.describe()

#训练集中的用户数量为10000
trn_click.user_id.nunique()

trn_click.groupby('user_id')['product_id'].count().min()  # 训练集里面每个用户至少点击了一个商品

直方图查看基本属性分布

plt.figure()
plt.figure(figsize=(15, 20))
i = 1
for col in ['event_time', 'event_type', 'product_id', 'category_id', 'category_code', 'brand', 
            'price', 'user_id', 'user_session', 'click_cnts']:
    plot_envs = plt.subplot(4,3, i)
    i += 1
    v = trn_click[col].value_counts().reset_index()[:10]
    fig = sns.barplot(x=v['index'], y=v[col])
    for item in fig.get_xticklabels():
        item.set_rotation(90)
    plt.title(col)
plt.tight_layout()
plt.show()

从直方图可以基本看出，交互行为发生的时间大多在10月2日。
用户的行为类型大多数为浏览，加入购物车，真正的购买行为较少。
在各大商品中，家电、真空吸尘器、环保用品的关注度最高，其次为文具、服装、手套等，家具，桌柜等产品不是很受购买者青睐。
从商品品牌来看，runail 品牌影响力更大一些。
客户点击率来看，大多数用户交互行为为4次，最高的为29次，至少1次。

数据分析

#用户重复点击
user_click_count = trn_click.groupby(['user_id', 'product_id'])['event_time'].agg({'count'}).reset_index()
user_click_count[:10]

user_click_count['count'].unique()

#用户交互次数
user_click_count.loc[:,'count'].value_counts()