用户分析-RFM模型&生命周期

import numpy as np
import pandas as pd
from pandas import DataFrame,Series
import matplotlib.pyplot as plt

第一部分：数据类型处理

• 数据加载
  • 字段含义：
    • user_id:用户ID
    • order_dt:购买日期
    • order_product:购买产品的数量
    • order_amount:购买金额
• 观察数据
  • 查看数据的数据类型
  • 数据中是否存储在缺失值
  • 将order_dt转换成时间类型
  • 查看数据的统计描述
    • 计算所有用户购买商品的平均数量
    • 计算所有用户购买商品的平均花费
  • 在源数据中添加一列表示月份：astype('datetime64[M]')

#数据的加载
name = ['user_id','order_dt','order_product','order_amount']
df = pd.read_csv('./data/CDNOW_master.txt',header=None,sep='\s+')#\s+表示多个空格
df.columns = name

df.info()

#将order_dt转换成时间类型
df['order_dt'] = pd.to_datetime(df['order_dt'],format='%Y%m%d')

#查看数据的统计描述
df.describe()

#基于odert_dt取出其中的月份
df['order_dt'].astype('datetime64[M]')

#在源数据中添加一列表示月份
df['month'] = df['order_dt'].astype('datetime64[M]')

第二部分：按月数据分析

• 用户每月花费的总金额
  • 绘制曲线图展示
• 所有用户每月的产品购买量
• 所有用户每月的消费总次数
• 统计每月的消费人数

#用户每月花费的总金额
df.groupby(by='month')['order_amount'].sum()

plt.plot(df.groupby(by='month')['order_amount'].sum())#方法一
df.groupby(by='month')['order_amount'].sum().plot()#方法二

#所有用户每月的产品购买量
df.groupby(by='month')['order_product'].sum()

#所有用户每月的消费总次数
df.groupby(by='month').coun