crosstab交叉表_《数据分析实战》书中案例分析 - 基础篇（二）：用户流失探索【交叉列表统计】 - python实现...

分析基础篇（二）：什么样的用户会选择离开 - 交叉列表统计

案例背景：

《黑猫拼图》的用户数本月比上月少了很多。

通过确认，商业推广、游戏活动（版本）均没有大的改动。

提出猜测，是某个用户群体出现了问题。

通过数据库的日活跃数据、用户信息，来从不同用户信息（属性）拆解日活。

使用数据：

●DAU（Daily Active User，每天至少来访 1 次的用户数据）

●user_info（用户属性数据）

分析流程：

• 加载常用库

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
import sklearn
import seaborn as sns

• 读入数据

dau = pd.read_csv('yourpath/R/section4-dau.csv')
user_info = pd.read_csv('yourpath/R/section4-user_info.csv')

dau.head()
user_info.head()

dau预览

userinfo预览

• 预处理数据

连接dau和userinfo表。同时增加一行月份列，方便按月统计

dau_userinfo = pd.merge(dau,user_info,on=['app_name','user_id'],how='left')
dau_userinfo['log_month'] = dau_userinfo.log_date.map(lambda x: str(x)[:7])

dau_userinfo.head()

dau_userinfo预览

• 交叉列表统计

接下来，利用交叉列表统计，查看不同用户属性下的月活变化

• 性别

pd.crosstab(index=dau_userinfo.log_month,columns=dau_userinfo.gender)

性别-月份交叉统计

• 年龄区间

pd.crosstab(index=dau_userinfo.log_month,columns=dau_userinfo.generation)

年龄区间-月份交叉统计

pd.crosstab(index=dau_userinfo.log_month,columns=[dau_userinfo.gender,dau_userinfo.generation])

性别*年龄 - 月份变化

可以看到，性别、年龄月份并没有哪个区间尤为突出的变化。性别*年龄的交互项也并没有某项特别突出下降。

当然，最好的方式是可以利用卡方统计看一下，是否有哪个属性值统计显著变化。

• 设备类型

pd.crosstab(index=dau_userinfo.log_month,columns=dau_userinfo.device_type)

设备 - 月份变化

显然，设备这里很明显可以看到，Android的下降尤为突出。

为了具体是哪一天的变化，查看两种设备的日活变化。

g = dau_userinfo.groupby(by=['log_date','device_type'])
dau_device = g['user_id'].count().reset_index()

两种设备的日活变化

据此，可以得出结论，Android设备在9月13日的日活显著大量下降，此后也未再回升，导致了整体的日活下降。