【数据分析】淘宝用户行为分析——基于R语言和Tableau

最新推荐文章于 2025-03-08 21:33:31 发布

qq_45943530

最新推荐文章于 2025-03-08 21:33:31 发布

阅读量2.8k

点赞数 38

文章标签：数据分析数据挖掘 r语言信息可视化大数据

本文链接：https://blog.csdn.net/qq_45943530/article/details/138905880

版权

一、项目背景

1.背景

本项目主要内容为分析淘宝用户的行为，结合AARRR模型帮助我们理解用户行为，挖掘出用户这些行为背后的信息，为电商平台的用户运营提供合理化建议。

2.数据说明

本项目数据集为user_action.xlsx，各字段含义如下：

字段名称	字段解释
user_id	用户名称
item_id	商品名称
behavior_type	行为类型
item_category	商品类别
time	时间

其中行为类型分为1，2，3，4，4种类型，在淘宝用户行为中分别指代浏览、收藏、加购、购买四种行为。值得注意的是“time”列是日期和小时的组合，因此在对数据进行处理时要将“time”拆分成“date”与“hour”。

二、数据处理

1.首先将user_action.xlsx导入到R中。

> install.packages("readxl")#R语言读取.xlsx文件需要加载readxl安装包
> library(readxl)
> da<-read_xlsx("C:/Users/86188/Desktop/user_action.xlsx")
> View(da)

该数据集中共有5组变量，1048575条数据。

2.检查数据中是否有重复数据，删除重复数据。

> sum(duplicated(da))#检查有多少条重复数据
> dr<-duplicated(da)
> da<-da[!dr,]#删除重复数据后的数据

根据运行结果，一共有77388条重复数据。将这些重复数据删除后得到的新的数据集有971187条数据。

3.检查数据中是否有缺失值。

> sum(is.na(da))#计算数据中有多少个缺失值

根据运行结果，没有缺失值，这说明数据的准确性和可靠性很高。

4.提取数据

因为数据数量太大，为了方便分析，我们选择该数据集中的前10万条数据进行分析。

> da<-da[1:100000,]

在之前的数据说明中我们提到，要将数据中“time”列拆分成“date”和“hour”两列，代表日期和小时。

> library(stringr)
> da<-cbind(da,str_split_fixed(da$time," ",2))#将time拆分成两列
> colnames(da)[6:7]<-c("date","hour")#把拆分得到的两列命名为date和hour
> da<-da[,-which(names(da) == "time")]#删除原time列
> head(da)

运行结果：