APP用户行为分析

# 游戏APP用户行为数据分析
# 加载包

导入数据

# 游戏APP用户行为数据分析
# 加载包
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 读取数据
az = pd.read_excel(r'D:\日常文档\笔记\用户行为数据/数据源整合.xlsx',sheet_name='安装信息')
zc = pd.read_excel(r'D:\日常文档\笔记\用户行为数据/数据源整合.xlsx',sheet_name='注册信息')

print("查看安装信息：")
az.head()

print('查看注册信息：')
zc.head()

数据清洗，查看空值和重复项。

print("安装信息表：")
print(az.info())
print("-"*30)
print(az.describe())
print("-"*30)
print('空值统计:\n',az.isnull().sum())
print("-"*30)
print('重复数据：',az.duplicated().sum())

描述性分析

print("注册信息表：")
print(zc.info())
print("-"*30)
print(zc.describe())
print("-"*30)
print('空值统计:\n',zc.isnull().sum())
print("-"*30)
print('重复数据：',zc.duplicated().sum())

两种用户类型，用户账号名称计数5992，去重后有5944，两种注册渠道，209个子站，用户唯一ID5622个，注册地区有三个。

print('安装信息表的安装时间范围：',az['安装时间'].min(),az['安装时间'].max())
print('注册信息表的安装时间范围：',zc['安装时间'].min(),zc['安装时间'].max())

# 为了方便分析，选择安装时间在 2020-4-20——2020-04-26 的数据
az = az[az['安装时间']>'2020-04-19 23:59:59']
zc = zc[zc['安装时间']>'2020-04-19 23:59:59']
print('安装信息表的安装时间范围：',az['安装时间'].min(),az['安装时间'].max())
print('注册信息表的安装时间范围：',zc['安装时间'].min(),zc['安装时间'].max())

# 选择注册信息表中'用户唯一ID'存在安装表中的数据
uid = az['用户唯一ID']
zc = zc[zc['用户唯一ID'].isin(uid)]
print('安装信息：',az.shape)
print('注册信息：',zc.shape)

DataFrame.drop_duplicates(subset=None, keep='first', inplace=False)

• subset：可选参数，指定考虑哪些列来判断重复，默认为所有列。
• Keep   first'（默认）：保留每个重复组中的第一个出现的行。'last'：保留每个重复组中的最后一个出现的行。False：删除所有重复的行。

print('注册信息重复ID：',zc['用户唯一ID'].duplicated().sum())
# 去重
zc = zc.drop_duplicates('用户唯一ID')
print('去重后：',zc.shape)

# 安装信息分析
# 安装人数、注册人数、激活率
# 激活率=激活人数/安装人数（这里激活人数以注册人数代替）
print("安装人数：",az.shape[0])
print('注册人数：',zc.shape[0])
print('激活率：%.2f%%'%((zc.shape[0]/az.shape[0])*100)) #以百分比的格式输出激活率

# 日安装量、安装渠道、TOP15子渠道、安装地区、是否WiFi安装、安装的手机类型统计TOP15、系统版本
az['安装日期']=az['安装时间'].dt.date
print('日安装用户量：\n',az.groupby('安装日期').用户唯一ID.count())

print("安装渠道：\n",az['渠道'].value_counts())
print('\n TOP 15子渠道：\n',az['子渠道'].value_counts()[:15])

print('安装地区：\n',az['地区'].value_counts())
print('是否WiFi安装：\n',az['WIFI'].value_counts())

# 从机型属性中拆分手机类型属性，由于手机品牌名称存在大小写不一的情况（例如OPPO,oppo)，因此将手机类型属性字段统一转换为首字母大写的格式：
# PS ：转换成以下模式再统计也是一样的，但必须先统一格式后再统计：
# .lower() 将字符串中全部字符转换为小写
# .upper() 将字符串中全部字符转换为大写
# .title() 将字符串中每个单词的首字母转换为大写字母

print("用户安装手机类型TOP 15:\n")
az['手机类型'] = az['机型'].str.split("-").str[0]
az['手机类型'] = az['手机类型'].str.title() #.title()将所有手机类型的名称转换为首字母大写的格式
az['手机类型'].value_counts()[:15]

print('系统：',az['系统'].value_counts())
print('\n操作系统版本：\n',az.groupby('操作系统版本').系统.count())

# 注册信息分析
# 每日注册人数、用户类型、注册时段、激活时间、日新增新用户统计
zc['注册日期'] = pd.to_datetime(zc['注册时间']).dt.date
print('日注册用户：\n',zc.groupby('注册日期').用户唯一ID.count())

print("用户类型：\n",zc['用户类型'].value_counts().reset_index(name='计数'))

plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
zc['注册时段'] = pd.to_datetime(zc['注册时间']).dt.hour
hzc = zc.groupby(['用户类型','注册时段']).用户唯一ID.count().reset_index(name='total')
sns.lineplot(data=hzc,x='注册时段',y='total',hue='用户类型')#hue: 可选参数，用于根据某一列数据对折线进行分组着色。
plt.title('各时段的注册用户量',loc='left')
plt.show()

print("激活时间：\n")
zc['激活时间'] = pd.to_datetime(zc['注册时间']).dt.day - pd.to_datetime(zc['安装时间']).dt.day
jh = zc['激活时间'].value_counts().reset_index(name='total')
jh['percent'] =(jh['total']/7282).round(3)
print(jh)
# 有4655人选择在当天激活，占安装人数中的63.9%，占整体注册人数中的94.6%，有32.5%的用户没有在7天内激活注册

print('日新增新用户：\n')
nzc = zc[zc['用户类型']=='new']
nzc.groupby('注册日期').用户唯一ID.count()