陈桥五笔用户编号获取_用户群组分析

目录：

• 项目介绍
• 定义阐述
• 分析流程
• 总结展示

一、项目介绍

背景：

当我们在做用户分析时，会遇到这样的一个问题，一个用户使用APP时，会留下一连串的使用数据，可能是一月份的购买了1次，二月份购买了2次，三四月没有购买，五月份又购买了。也就是对于用户来说他的数据是一个时间面数据，而且不同用户的时间面是不相同的，开始时间经历时间都不一样，而如果我们分析的时候不考虑到这个因素而直接进行分析，显然是不够合理的，因为新用户和老用户经历的产品运营情况是不一样的。

那我们应该如何处理呢，这个时候就有一种分析方法，可以帮助我们在时间轴上对齐用户，这就是群组分析。

二、定义阐述

（1）群组分析：

用户在产品使用中都有一个用户行为流程，不同时期的用户表现情况可能不一样，群组分析的主要目的是分析相似群体随时间的变化，核心就是对比、分析不同时间群组的用户，在相同周期下的行为差异， 所以也称同期群分析。

（2）群组分析的作用：

1. 对处于相同生命周期阶段的用户进行垂直分析（横向比较），从而比较得出相似群体随时间的变化

2. 通过比较不同的同期群，可以从总体上看到，应用的表现是否越来越好了。从而验证产品改进是否取得了效果。

三、分析流程

import pandas as pd
import numpy as np
import sqlalchemy

# 读取数据
engine = sqlalchemy.create_engine('mysql+pymysql://froghd:Froghd@123@localhost:3306/froghd')

sql_cmd = "select * from groups_data"

# 执行sql语句，获取数据
df = pd.read_sql(sql=sql_cmd, con=engine)


#数据显示有用户的OrederId、OrderDate、UserId、TotalCharges(我们只会用到这四个)，
#其他的字段没有用
df #一共118条信息，8列

#重命名
df.rename(columns={
    "orderid":"订单编号",
    "orderdate":"下单日",
    "userid":"用户id",
    "totalcharges":"销售额"
},inplace=True)


df.head()

# 生成一个新字段，用户订单月份，只保留下单日的月份信息
df["订单月份"] = df['下单日'].apply(lambda x:x.strftime("%Y-%m"))
df.head()

# 设置userid为索引
df.set_index("用户id",inplace=True)
# 这里的level=0表示第一层索引即userid，并且每次分组之后都会形成很多个dataframe
# 按照每个用户的订单的最早时期，生成用户群组
df["首次购买日"]=df.groupby('用户id')["下单日"].min().apply(lambda x:x.strftime("%Y-%m"))
df.reset_index(inplace=True)
df.head()

拆解：

# 设置userid为索引
df.set_index("用户id",inplace=True)
df.head()

#找出每个用户的最早下单日
df.groupby('用户id')["下单日"].min() #也可以写成：df.groupby(level=0)["orderdate"].min()

#新增字段 最早消费日，同样只保留月份
df["首次购买日"]=df.groupby('用户id')["下单日"].min().apply(lambda x:x.strftime("%Y-%m"))
df.reset_index(inplace=True) #重置索引
df.head()

拆解结束

# 根据订单月份和首次消费日进行分组
grouped = df.groupby(["首次购买日","订单月份"])
# 求每个用户群下每一个月份的用户数量、订单数量、购买金额
cohorts = grouped.agg({"用户id":pd.Series.nunique,
                      "订单编号":pd.Series.nunique,
                      "销售额":np.sum})
# 重命名
cohorts.rename(columns={"用户id":"用户数量",
                       "订单编号":"销售量"},inplace=True)
cohorts.head()

拆解：

# 根据订单月份和首次消费日进行分组
grouped=df.groupby(['首次购买日','订单月份'])


# 求每个用户最早消费日下 每一个月份的用户数量、订单数量、购买金额
cohorts = grouped.agg({"用户id":pd.Series.nunique,
                      "订单编号":pd.Series.nunique,
                      "销售额":np.sum})


# 重命名
cohorts.rename(columns={"用户id":"用户数量",
                       "订单编号":"销售量"},inplace=True)
cohorts

拆解结束

# 把每个群组继续购买的日期字段进行改变
def cohort_period(df): #定义 订单编码
    # 给首次购买日期进行编号，第二次购买为2，第三次购买为3
    df["首次购买日编号"] = np.arange(len(df)) + 1

    return df

# 注意的是apply后面传入的是一个个dataframe
cohorts = cohorts.groupby(level=0).apply(cohort_period)


cohorts.head()

# 得到每个群组的用户量
# 重新设置索引
cohorts.reset_index(inplace=True)
cohorts

#重新设置索引
cohorts.set_index(["首次购买日","首次购买日编号"],inplace=True)
cohorts

# 得到每个群组的用户量，就是第一天的用户数据量，用作留存率的分母
cohort_group_size = cohorts["用户数量"].groupby(level=0).first()
cohort_group_size.head()

# 计算每个群组的留存
# unstack 是把index转化为column，https://www.jianshu.com/p/5ab1019836c9
cohorts["用户数量"].unstack(0).head()

# 计算留存 divide除
user_retention = cohorts["用户数量"].unstack(0).divide(cohort_group_size,axis=1)
user_retention.head()

四、总结展示

# 折线图展示
import matplotlib.pyplot as plt
import matplotlib as mpl



pd.set_option("max_columns",50)
mpl.rcParams["lines.linewidth"] = 2
%matplotlib inline
user_retention[["2009-01","2009-02","2009-03"]].plot(figsize=(5,3))
plt.title("user tetention")
plt.xticks(np.arange(1,12.1,1))
plt.xlim(1,12)
plt.ylabel("%of cohort")

# 热力图展示
import seaborn as sns
sns.set(style="white")

plt.figure(figsize=(8,4))
plt.title("co:user retention")
sns.heatmap(user_retention.T,mask=user_retention.T.isnull(),annot=True,fmt=".0%")