python 京东签到_Python实战—京东用户行为分析

一 目的

本文自于京东平台的用户行为，数据集截取了3个字段：customer_id、action_date、type。

本文最主要的目的是练习Python进行数据分析，在此由衷感谢秦路老师的文章：秦路：用Python分析用户消费行为，让学习的课程有了真实落地的机会。

二 数据加载以及预处理

导入相关库以及加载数据集：

空值处理：

数据很干净，并没有空值。

添加时间序列：

三 数据分析

PV分析：

2月15日PV处于最低值是因为春节，3月27、28很可能是技术BUG，导致数据大幅度下降。

销售分析：

同样也是在春节，销量达到最低点，而4月的销售相较于3月，销量有所下滑。

购买次数分析：

购买1次的用户达到10670，2次的为44，3次的只有1次。用户粘性度不高，需要从服务、产品、活动等环节入手，刺激二次消费。

复购率分析：

首先，建立透视表，横向是月份、竖向是用户，数据为此用户当月购买次数。

当月购买二次以及二次以上的记为1，购买1次记为0，没有购买记为NaN。

算出当月复购率：

1%都不到，复购率如前面购买次数的结果相互印证。

回购率分析：

当月购买，下月也购买的记为1，没购买的记为0，当月没购买的记为NaN

进而得到回购率

2月份回购的用户为5个，3月份7个。

用户分层：

按照用户的消费行为，我们简单划分成几个维度：新用户、活跃用户、不活跃用户、回流用户。在此，新用户的定义是第一次消费。活跃用户即老客，在某一个时间窗口内有过消费。不活跃用户则是时间窗口内没有消费过的老客。回流用户是在上一个窗口中没有消费，而在当前时间窗口内有过消费。在此分析每天用户的活跃状态，并假设只要有行为就算一次活跃。

首先，建立数据透视表。

以下函数的意思是：当天没有任何行为的，记为unreg；第一次有任何行为，记为new，新用户；后面n天内没有任何行为，记为unactive，不活跃用户；新用户n天后都有行为，记为active,活跃用户；被判定为不活跃用户，又活跃了，记为回流用户。

统计每日的活跃用户、新用户、回流用户、不活跃用户

描述性统计：

可视化：

计算每日回流率：

可视化：

活跃用户：

用户生命周期：

找到用户购买过记录中，最近和最早时间之差。

计算平均生命周期：

平均生命周期1天都不到，是因为0天的用户过多，在此排除掉这些。

一共29个用户，平均生命周期为19天，最大周期为62天。

留存率分析：

之前求出每个用户最早购买记录，和销售表进行连接匹配。

时间分割:

计算每个时间分割后的个数:

计算用户每次的消费间隔，并排除消费间隔为0的用户：

描述统计：