python计算消费额_11、Python 数据分析-用户消费行为分析

第一部分：数据类型处理

数据加载

字段含义：

user_id:用户ID

order_dt:购买日期

order_product:购买产品的数量

order_amount:购买金额

观察数据

查看数据的数据类型

数据中是否存储在缺失值

将order_dt转换成时间类型

查看数据的统计描述

计算所有用户购买商品的平均数量

计算所有用户购买商品的平均花费

在源数据中添加一列表示月份

import pandas as pd

from pandas import DataFrame,Series

import numpy as np

import matplotlib.pyplot as plt

%matplotlib inline

1.1、数据加载

字段含义：

user_id:用户ID

order_dt:购买日期

order_product:购买产品的数量

order_amount:购买金额

df = pd.read_csv('./data/CDNOW_master.txt',header=None,sep='\s+',names=['user_id','order_dt','order_product','order_amount'])

df.head()

1.2、查看数据类型

查看数据的数据类型，数据中是否存储在缺失值

df.info()

>>>

RangeIndex: 69659 entries, 0 to 69658

Data columns (total 4 columns):

# Column Non-Null Count Dtype

--- ------ -------------- -----

0 user_id 69659 non-null int64

1 order_dt 69659 non-null int64

2 order_product 69659 non-null int64

3 order_amount 69659 non-null float64

dtypes: float64(1), int64(3)

memory usage: 2.1 MB

将order_dt转换成时间类型

df['order_dt'] = pd.to_datetime(df['order_dt'],format='%Y%m%d')

df.head()

查看数据的统计描述

计算所有用户购买商品的平均数量

计算所有用户购买商品的平均花费

df.describe()

在源数据中添加一列表示月份

df['month'] = df['order_dt'].astype('datetime64[M]')

第二部分：按月数据分析

用户每月花费的总金额

绘制曲线图展示

所有用户每月的产品购买量

所有用户每月的消费总次数

统计每月的消费人数

用户每月花费的总金额

month_amt_s = df.groupby(by='month')['order_amount'].sum()

>>>

month

1997-01-01 299060.17

1997-02-01 379590.03

1997-03-01 393155.27

1997-04-01 142824.49

1997-05-01 107933.30

1997-06-01 108395.87

1997-07-01 122078.88

1997-08-01 88367.69

1997-09-01 81948.80

1997-10-01 89780.77

1997-11-01 115448.64

1997-12-01 95577.35

1998-01-01 76756.78

1998-02-01 77096.96

1998-03-01 108970.15

1998-04-01 66231.52

1998-05-01 70989.66

1998-06-01 76109.30

Name: order_amount, dtype: float64

​绘制曲线图展示

plt.figure(figsize=(8,5))

plt.plot(month_amt_s.index,month_amt_s.values)

#或df.groupby(by='month')['order_amount'].sum().plot()