数据分析之淘宝用户行为分析（2）

前文回顾

1. 数据分析之淘宝用户行为分析（1）_世界码鲸鱼的博客-CSDN博客

        作为新手小白，需要对数据分析有一个明确的了解和目标，因此，我最近在专攻与一个项目上，多思考，多作假设， 经常做发散思维，也可以参考别人写的文章，扫扫自己的盲区。

        如果有看我之前写的数据分析文章，会发现我写的比较短，因为之前是跟着别人的项目走的，但是缺乏了对项目的了解，也无法扩展对项目本身的思考，因此我会对这个项目本身——淘宝用户行为，多做扩展，如果有什么好的想法，也欢迎在评论区留言。

        说道用户行为，相比接触了一段时间的数据小白来说并不陌生，它是对用户行为打上一种标签，一种离散数据的表现，我们通常可以对其进行分类统计，或者限制条件。但是行为数据有一个最大的缺点就是——数据庞大，自学的数据小白，电脑配置可能不是特别高，如果你的电脑cpu只有4G的话，那么你可能跑不太动100万条的数据，我的解决办法是可以在网上申请资源，根据需求，申请不同的资源。

        好了不多说，看看这次新的地方。

        首先是上次的数据只有5000，可能对结果有影响，所以我这次用了100万条的数据做了分析。

从结果来看，显示用户的浏览行为有了更为明显的波动，从峰值就能看出的是淘宝的双十二会刺激用户的行为。

 

从小时的角度思考的话，那么可以看到的是从早上五点以后，用户浏览数量会上升，到了晚上，还会有一次上升的趋势，这些给商家的思考，可以根据用户的时间来推送不同的商品，会有更大的概率会被用户发现。

 

看来，基本上都是相同的趋势，不过，看来深夜买东西的人是挺多的。 

通过不同的用户行为分析，亦可以用户不同行为的波动情况，并制定相关策略。

data['week']=pd.DatetimeIndex(data.date).weekday+1

 好了，可以通过星期对数据进行分析（为什么＋1，你可以用unique函数看看为什么）。

 

从结果图来看，会发现的是，礼拜四和礼拜五是用户行为的高峰期，可以好好把握（想要代码？可以翻翻之前我写的博客，只是换了变量，这一点并不难）

最后

这一次是对上一次的总结和衍生，如何对用户行为数据做进一步的扩展，容许我好好的想一想。