[机器学习笔记] Python数据分析：用户消费行为（持续更新）

Python数据分析：用户消费行为（持续更新）

红酒品鉴和用户消费行为分析是我学习Python数据分析入门的两个案例，记录一下。

网络上关于这两个案例的介绍非常多，但是我在学习过程中，发现有很多文章的逻辑不是很清晰，代码也调试不同。

所以，还是想把自己的调试代码写出来。

参考博文：

http://www.360doc.com/content/17/0717/17/16619343_672115832.shtml

https://blog.csdn.net/weixin_44266342/article/details/94187331?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task

https://blog.csdn.net/weixin_44875199/article/details/91452282?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task

 

---

准备

1. 数据分析的目标

2. 数据集

3. 在进行数据分析之前，进行数据清洗。即：处理缺失值，数据类型转化，按照需要将数据整理好。

---

开始

本数据集共有 6 万条左右数据，数据为 CDNow 网站 1997年1月至1998年6月的用户行为数据，共计 4 列字段，分别是：

• user_id: 用户ID
• order_dt: 购买日期
• order_products: 购买产品数
• order_amount: 购买金额

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
columns = ['user_id','order_dt','order_products','order_amount']
# 用户id 购买日期 购买产品数 购买金额
df=pd.read_csv('G:\\Data Scientist Learning\\CDNOW_master.txt',names=columns,sep='\s+') #载入数据
print(df.head())

 

接下来：

df.info() #检查数据是否存在空值

数据读出无误时要检查数据中是否存在空值，并检查数据的数据类型。发现数据中并不存在空值，很干净的数据。那接下来既然我们需要每月这个数据，就要给order_dt这一列的数据进行适当的转换一下，转化成通常的时间格式：Y(年)m(月)D(日)。

下面那句代码的意思是：在df里新增加一列列名是month，取出这一列的日期order_dt然后掉取这一列的值把值转换成以月为单位的，例如6月1号到30号统统属于6月。
 

 

 这时候可以对数据进行简单初步分析，用df.describe()。

对以上数据进行分析：

• 均值：产品购买数量均值在2.4；
• 中位数：中位数是2；
• 四分位数：其3/4位数是3
• 最小值和最大值分别为：1和3
• 人均消费CD金额为：35.89元；中位数为：25.98元

说明：用户购买量大部分都不多，少部分购买量大的，最高购买量是99，其中存在一定的极致干扰。用户的订单金额比较稳定，人均购买CD金额在35，中位数在25元，存在极致干扰，很多销售行业都是类似这种分布，小额比较多，大额的较少，收入来源很大一部分是来自大额。也即是二八定律。

---

按月分析数据趋势 

在这里用到了一个groupby，一个在数据分析中非常好用的函数，这一节是要按月分析用户行为，用groupby对用户按照月分分组。

分组完成之后得到一个新的dataframe叫group_month,然后直接取出组里的order_amount并求和可得到每个月份的销售总额，并且画出折线图

 

 

 

 

从上面三个图可以看出数据没有什么问题，用户购买总额跟用户购买次数以及用户购买量走势是大致相同的，但是从四月份开始销量严重下滑，具体是原因是什么，我们可以再来看一下每个月的消费人数：

 

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。

---

用户个体消费数据分