用户数据分析
数据预处理
读取数据(修改数据间隔sep=\s+,修改数据列名names)
按月数据进行分析
groupby函数的使用,df.plot()可以直接画图
用户个体消费数据分析
query函数的使用条件查询,作用于df,最后得到的还是df
**用户消费行为分析
**
value_counts()函数,计算series中各类元素的数量
agg([func1,func2])函数,支持多种不同形式的聚合运算,将series进行多种运算,返回两列
透视表:
df.pivot_table(index=’’,values=’’,aggfunc={str=‘func’},columns=[])
通过原始df重新构建一个表,index为索引,values对应要的值,aggfunc可以放多个函数,columns,将行分为多列
用户生命周期
apply()函数,映射函数,axis1是行,0是列
applymap()对表格中所有元素进行func操作