2022-1-11第二章数据分析实战2

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