python数据项目分析报告_python数据分析项目：用户消费行为分析

为了创造更多利润、实现数据驱动运营，某CD网站拟对18个月以来的近7万条消费数据进行分析。具体的研究思路如下：

【思维导图】用户消费行为分析（python）.png

1、数据获取与探索

1.1数据获取

数据来源：CDNow网站的用户购买明细（不包含隐私信息）。

数据格式：转化成.csv格式。

时间跨度：18个月（199701-199806）。

字段：用户ID，购买日期，购买数量，购买金额四个字段。

user_id:用户ID

order_dt:购买日期

order_products:购买产品数

order_amount:购买金额

1.2数据导入

#导入相关库

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

%matplotlib inline

plt.style.use('ggplot') # 更改设计风格

import seaborn as sns

plt.rcParams['font.sans-serif']=['SimHei'] #用来显示中文标签

df0=pd.read_csv('D:CDNOW_master.csv',names=['user_id','order_dt','order_products','order_amount'],sep='\s+')

df0.head()

#读取csv，此处用的是 names= 而非 columns=

1.PNG

2、数据预处理

2.1数据描述

df0.info()

#使用 .info() 查看数据类型及缺失情况。

2.PNG

2.2数据清洗

缺失值：本次数据，无缺失值，故无需对缺失值处理；

数据类型：购买日期的数据类型是int，为方便后面数据处理，在这先将其转化成datetime格式；

新增['month']列，便于后续按月分析。

df0['order_dt']=pd.to_datetime(df0['order_dt'],format='%Y%m%d')

df0['month']=df0['order_dt'].astype('datetime64[M]')

df0.head()

重新查看，此时的时间列已转换为正常格式。

3.PNG

df0.describe()

#使用 .describe() 查看数据分布及极值情况。

4.png

由上图可知，

order_products列：用户平均每笔订单购买2.4个商品，标准差在2.3，故有一定的波动性。中位数在2个商品，75分位数在3个商品，说明绝大部分订单的购买量都不多。最大值为99，受极值影响。

df0['order_amount'].plot.hist(bins=200)

5.PNG

正偏态分布（也称右偏态分布）：频数分布的高峰向左偏移，长尾向右延伸；【峰左移，右偏，正偏 偏度大于0】

负偏态分布（也称左偏态分布）：频数分布的高峰向右偏移，长尾向左延伸。【峰右移，左偏，负偏 偏度小于0】

order_amount列：用户的消费金额受极值影响，呈正偏态分布（也称右偏态分布）【中位数50%（25元） < 平均值mean（35元）】

3、数据分析

接下来我们用之前清洗好的字段进行数据分析。

3.1消费趋势分析（按每个月分析）

3.1.1每月的消费总金额

grouped_month=df0.groupby('month') # 按月分组

grouped_month['order_amount'].sum()

6.PNG

grouped_month['order_amount'].sum().plot()

7.PNG

本次数据时间跨度为18个月（199701-199806），消费金额总体描述分析如下：由上图可知，消费金额在前三个月 {1997-01-01:299060.17,1997-02-01:379590.03,1997-03-01:393155.27}增长至峰值，在3-4月出现断崖式下滑，后续消费金额较为平稳，但有轻微下降趋势。原因分析如下：

前3个月的增长，推测是由于CD网站的促销活动；

而3-4月的异常下跌，推测是受促销活动结束的影响较大。同时由于暂缺乏详细数据，所以未对3-4月的异常收入下滑进行实际细剖与分析。收入异常下跌的其他原因整理如下：

比如：

（1）【竞争对手】方面，近期是否出现其他竞争与替代产品；

（2）【渠道】方面，可从用户数量、渠道收入（环比、下滑）两个维度来评判渠道质量，可从查看不同渠道的等数据指标。不同渠道如web端直接访问、搜索引擎渠道、第三方合作渠道等，进一步定位是否是渠道推广有问题；

（3）【用户来源】方面，从新老客构成、流失客户的特征、聚类与分类等角度；

（4）【CD产品体验】方面，针对客户的评价、网站评论及主动与用户沟通收集反馈意见问题，对产品体验进行分析，如是包装不流行、价格没优惠了等等进行优化。

（5）【用户体验流程】方面，通过埋点数据查看流失客户在网站上的行为数据：启动次数、停留时长、流程不畅（如流失客户大部分在支付环节未完成支付，那么就需要回访部分客户、进行优化改进）；

3.1.2每月的消费订单数

grouped_month['user_id'].count().plot()

8.PNG

前三个月消费订单数在10000笔左右，后续月份的平均则在2500笔。

3.1.3每月的产品购买量

grouped_month['order_products'].sum().plot()

9.PNG

前三个月产品购买数在20000以上，后续月份的产品购买量在6000~8000左右 。

3.1.4每月的消费人数

grouped_month['user_id'].apply(lambda x:len(x.unique())).plot()

#法二：grouped_month['user_id'].apply(lambda x:len(x.drop_duplicates())).plot()

10.PNG

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人不到

3.1.5直接利用数据透视表分析消费金额、消费次数、产品购买量

上述消费趋势的分析可以通过数据透视表分析（不建议数据透视表进行去重操作）

pivot_df0=df0.pivot_table(index='month',values=['order_amount','user_id','order_products'],aggfunc={

'order_amount':'sum',

'user_id':'count',

'order_products':'sum'

})

pivot_df0.head()

#此处是values= 而非columns=

#数据透视表进行去重操作比较麻烦，不建议

11.PNG

pivot_df0.plot()

12.PNG

本章小结——

趋势分析：总体来看，消费总金额、消费次数、产品购买量、消费人数的趋势想似：均先上升、下跌、趋于平稳并下降。

可以看出网站的流失用户在增加，采用开源（拉新）节流（留存）的运营方式，来增加销售收入。

3.2用户个体消费能力分析（按每个用户分析）

上一部分是按月分析，主要看趋势；本部分按用户个体分析，来看消费能力。

3.2.1用户消费金额、消费数量的描述统计

grouped_user=df0.groupby('user_id')

grouped_user.sum().describe()

13.PNG

【order_products数量】用户平均购买了7张CD，但中位数只有3，说明小部分用户购买了大量的CD

【order_amount金额】用户平均消费106元，中位数为43，判断同上，有极值干扰

消费、金融和钱相关的数据，基本上都符合二八法则，小部分的用户占了消费的大头

3.2.2用户消费金额和消费数量的散点图

grouped_user.sum().plot.scatter(x = "order_amount",y = "order_products")

14.PNG

##画图前，用query先筛选：.query("order_amount<4000")【df用query，series不能用】