python项目--O2O优惠券线下使用情况数据分析

• 数据来源：天池大赛数据集：天池新人实战赛o2o优惠券使用预测；数据链接: https://tianchi.aliyun.com/competition/entrance/231593/introduction?spm=5176.12281925.0.0.6c917137mTMSDc.
• 分析过程为：

1. 数据规整处理
2. 数据分析

准备工作

• 首先导入包和数据。然后查看数据的整体信息，观察以下结果

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns  # 绘图模块，基于matplotlib可视化的python包，不能完全替代matplotlib，只是对mpl进行升级
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示符号

# parse_dates:将指定的列加载成日期的格式
offline = pd.read_csv('D:\Download\Microsoft Edge\数据分析实战项目资料\O2O\资料\ccf_offline_stage1_train.csv', parse_dates=['Date_received', 'Date'])
print(offline.info())  # 175+万条数据
print(offline.head(10))  # NaT:时间日期格式的空值

• 输出结果为：
  
  
  结果运行出来后，进行数据清洗。

数据规整

• 分析：判断每一列当中有多少个空值，优惠券id，折扣率，领券日期，三者可能存在同时==null的情况
• 把Discount_rate列中的满减政策转换成折扣率

1. 先填充空值
2. 将200:20替换成比例，计算折扣率

offline['Discount_rate'] = offline['Discount_rate'].fillna('null')

def discount_rate_opt(s):  # s代表每一个元素
    if ':' in s:
        split = s.split(':')
        discount_rate = (int(split[0]) - int(split[1]))/int(split[0])
        return round(discount_rate, 2)  # 折扣率保留两位小数
    elif s == 'null':
        return np.NaN
    else:
        return float(s)

# map对这个变量数据里的每一个值都进行同一种操作
offline['Discount_rate'] = offline['Discount_rate'].map(discount_rate_opt)
print(offline['Discount_rate'].head())

结果：

• 分析：Coupon_id字段：null代表无优惠券，此时Discount_rate与Date_received字段无意义。检查Coupon_id和Discount_rate与Date_received判断空值和非空值是否一一对应。np.all():判断一个课迭代数据中是否都为True，如果是返回True，否则返回False

nan1 = offline['Coupon_id'].isnull()  #判断优惠券是否为空
nan2 = offline['Date_received'].isnull()   #判断领券日期是否为空
print(np.all(nan1 == nan2))
nan3 = offline['Discount_rate'].isnull()   #判断折扣率是否为空
print(np.all(nan1 == nan3))

分析：如果结果=true，说明之前的猜测：Coupon_id与Date_received空值与非空值是一一对应的关系；如果结果=true，说明之前的猜测：Coupon_id与Discount_rate空值与非空值是一一对应的关系
结果：

• 进一步将消费者分成四类

cpon_no_consume = offline[offline['Date'].isnull() & offline['Coupon_id'].notnull()]
no_cpon_no_consume = offline[offline['Date'].isnull() & offline['Coupon_id'].isnull()]
no_cpon_consume = offline[offline['Date'].notnull() & offline['Coupon_id'].isnull()]
cpon_consume = offline[offline['Date'].notnull() & offline['Coupon_id'].notnull()]
print('有优惠券未消费:{}'.format(len(cpon_no_consume)))
print('无优惠券未消费:{}'.format(len(no_cpon_no_consume)))
print('无优惠券有消费:{}'.format(len(no_cpon_consume)))
print('有优惠券有消费:{}'.format(len(cpon_consume)))

结果：

分析：用优惠券消费的有7w，相比其他用户来说，占比较少

数据分析

1. 分析店面流量是否火爆的影响因素

• 绘制饼图占比：先要得到df类型的数据，再将消费方式绘制成饼图

consume_status_dict = {'cpon_no_consume': len(cpon_no_consume), 'no_cpon_consume': len(no_cpon_consume), 'cpon_consume': len(cpon_consume)}
consume_status = pd.Series(consume_status_dict)
print(consume_status)
fig, ax = plt.subplots(1, 1, figsize=(8, 10))
consume_status.plot.pie(ax=ax,
                        autopct='%1.1f%%',  # 保留小数的占比情况
                        shadow=True,  # 加阴影
                        explode=[0.02, 0.05, 0.02],  # 各个参数间隔出来
                        textprops={'fontsize': 15, 'color': 'blue'},  # 字体字号颜色
                        wedgeprops={'linewidth': 1, 'edgecolor': 'black'},  # 边界线的宽度颜色
                        labels=['有优惠券未消费 \n ({})'.format(len(cpon_no_consume)),
                                '无优惠券有消费 \n ({})'.format(len(no_cpon_consume)),
                                '有优惠券有消费 \n ({})'.format(len(cpon_consume))
                                ]
                        )
ax.set_ylabel('')  # 取去掉None
ax.set_title('消费的占比情况')  # 加标题
plt.legend(labels=['有优惠券未消费', '无优惠券有消费', '有优惠券有消费'])  # 加图例
plt.show()

结果：

分析：有优惠券未消费占比55.7%最大，说明大多数人拿完券之后，尚未使用；无优惠券有消费用户占比40%，说明很多人没有使用优惠券，可能优惠券的吸引力不大，客户没在意；可能新用户比较多优惠券有消费用户占比较小4.3%，说明我们的优惠券使用率不高，可以考虑是不是加大优惠券力度

2. 分析顾客的消费习惯

• 在有券消费人群中，分析距离和优惠折扣；计算各个商家对应的顾客到店平均距离

Merchant_distance = cpon_consume.groupby('Merchant_id')['Distance'].mean()
print(Merchant_distance[Merchant_distance == 0])
# 距离值乘以500

结果：

分析：有4076个商家，有1431个商家的用券消费用户平均范围在500米以内

• 各商家对应的顾客到店消费平均折扣力度

erchant_distance_rate = cpon_consume.groupby('Merchant_id')['Discount_rate'].mean()
print(Merchant_distance_rate.sort_values())
Merchant_distance_rate.hist()  # 绘制直方图，看折扣力度所在范围
print(Merchant_distance_rate.mean())
plt.show()

结果：
分析：大部分商家的折扣集中到0.8~1.0之间，所有商家平均折扣的平均值：0.88，折扣力度不是很大

• 持券到店消费人数最多的商家：对商家进行分组，取出用户id，对用户id进行去重统计数量

popular_merchant = cpon_consume.groupby('Merchant_id')['User_id'].apply(lambda x: len(x.unique())).sort_values(ascending=False)
popular_merchant500 = popular_merchant[popular_merchant > 500]  # 找出持券消费人数>500的商家id
popular_merchant500.name = 'customer_count'  # 指定列明为消费者数量（持券消费者）
print(len(popular_merchant500))
print(popular_merchant500)

结果：

分析：共有16家店铺，持券消费人数在500人以上；持券消费人数最多的商家是5341，持券消费人数在2800；排名最后的商家，持券消费人数是559人；这批商家对优惠券的使用方法得当，消费者喜欢使用优惠券进行消费，可以适当借鉴这批商家的推广力度

• 持券消费人数在500人以上的商家，链接顾客到店平均距离和平均折扣力度

merchant_pop_dis = pd.merge(left=popular_merchant500, right=Merchant_distance,on='Merchant_id', how='inner')
merchant_pop_dis_rate = pd.merge(left=merchant_pop_dis, right=Merchant_distance_rate,on='Merchant_id', how='inner')
print(merchant_pop_dis_rate)

结果：

• 计算到店消费人数和平均距离和折扣力度的相关系数：corr(correlation:相关系数)，用来计算df数据中列与列的相关性（皮尔逊相关系数）取值范围[-1，1]之间；1：完全正相关，-1：完全负相关；绝对值越大，相关性越大，反之成立；正相关：随着变量的增大而增大，反之同理；负相关：随着变量的增大而减小，反之同理;持券消费人数与距离和折扣率都呈现负相关，属于生活中的正常现象

# 用热力图展示相关系数(data:相关系数,annot:显示相关系数的值,cmap:颜色范围,vmax:最大值,vmin:最小值)
sns.heatmap(data=merchant_pop_dis_rate.corr(), annot=True, cmap='RdPu', vmax=1, vmin=-1)
plt.show()

结果：

分析：由图可知，0<线性相关程度极弱<0.3<0.31<低度相关<0.5；1.到店消费人数的多少与顾客到店铺之间的距离之间呈现负相关，相关系数0.31，在0.3~0.5之间，为低度相关；2.到店消费人数多少与优惠打折力度呈现负相关，相关系数0.2，在0~0.3之间，为相关系数极弱；综上所述，这些店家之所以火爆，应该是物美价廉导致，与距离和优惠力度相关性不大

3. 分析投放的优惠券的使用情况

• 分析每天优惠券的总体发放量与使用量情况：业务分析：日期（优惠券的发放日期Date_received，使用日期Date）用作图标的x轴
• 需要统计每天优惠券发放数量和使用数量，取出存在消费日期的记录，进行升序，再去重；取出存在领券日期的记录,进行升序，再去重

print('消费数量 %d' % offline['Date'].notnull().sum())
print('发送优惠券', offline['Date_received'].notnull().sum())
date_sort = offline[offline['Date'].notnull()]['Date'].sort_values().unique()
print(date_sort[:5])
date_received_sort = offline[offline['Date_received'].notnull()]['Date_received'].sort_values().unique()
print(date_sort[:5])

结果：

• 绘制每天的发券量和用券量

# 每天优惠券的使用量（即持券消费人数）
consume_num_everyday = cpon_consume[['User_id', 'Date_received']]
consume_num_everyday = consume_num_everyday.groupby('Date_received').count()
consume_num_everyday = consume_num_everyday.rename(columns={'User_id': 'count'})
# 每天发放的优惠券数量（取出所有领券日期！=null的数据，在进行天数分组，计数就可以）
coupon_sendout_everyday = offline[offline['Date_received'].notnull()][['Date_received', 'User_id']]
coupon_sendout_everyday = coupon_sendout_everyday.groupby('Date_received').count()
coupon_sendout_everyday = coupon_sendout_everyday.rename(columns={'User_id': 'count'})
# 绘制每天的发券量和用券量
plt.figure(figsize=(18, 6))
plt.bar(x=date_received_sort, height=coupon_sendout_everyday['count'], label='每天发券量')
plt.bar(x=date_received_sort, height=consume_num_everyday['count'], label='每天用券量')
# 对y轴进行对数缩放--量级相差比较多
plt.yscale('log')
plt.legend()
plt.show()

结果：

分析：16年2月份为例，用券量级别在1000，发券量在10万左右，在100倍左右，优惠券的使用率是非常低的

• 计算每天优惠券与发券量占比

plt.figure(figsize=(18, 6))
plt.bar(x=date_received_sort, height=consume_num_everyday['count']/coupon_sendout_everyday['count'], label='百分比')
plt.legend()
plt.show()

结果：

分析：由图可知，优惠券使用率最高在16年3月底，达到了30%；使用率最低在16年1月底，最低为3%左右；整体来看，优惠券使用率波动较大。结合生活可以发现，优惠券投放与使用是否有三波小高峰？分别是元旦、三八、六一八活动左右，而且优惠券的使用力度也与这个时间段相关。

总结

1. 有优惠券未消费占比55.7%最大，说明大多数人拿完券之后，尚未使用；无优惠券有消费用户占比40%，说明很多人没有使用优惠券，可能优惠券的吸引力不大，客户没在意；可能新用户比较多优惠券有消费用户占比较小4.3%，说明我们的优惠券使用率不高，可以考虑是不是加大优惠券力度
2. 有些店家生意之所以火爆，应该是物美价廉导致，与距离和优惠力度相关性不大
3. 优惠券使用率最高在16年3月底，达到了30%；使用率最低在16年1月底，最低为3%左右；整体来看，优惠券使用率波动较大。优惠券投放与使用有三波小高峰，分别是元旦、三八、六一八活动左右，而且优惠券的使用力度也与这个时间段相关。