淘宝用户分析之第一问：我想了解活跃用户的相关数据_淘宝客户按照购买次数如何定义活跃用户-CSDN博客

本文链接：https://blog.csdn.net/weixin_57198917/article/details/130368206

喜欢数据分析的世界码鲸鱼又给大家唠嗑唠嗑，在我之前的文章里曾经分享了针对淘宝用户的数据分析情况，不过，本人是新手，未能将数据分析完美地展示给大家，这是我心中的一大遗憾，不过为了能够加强自己的数据分析能力，不定期更新，针对淘宝用户的数据挖掘和分析文章，能够对数据有一个更加深刻地理解。

往期文章：

数据分析之淘宝用户行为分析（2）

数据分析之淘宝用户行为分析（1）

在拿到数据的时候，通常伴随着某种目的，如果是参加竞赛的话，那么你的任务可能是针对用户进行流失预测，根据已有的数据，来预测某一种群体的流失情况如何；或者是拿到近两年的用户交易流水集，叫你预测未来一个星期的交易趋势。

不论是哪种情况，都是伴随着问题或者要求，没有目的的分析，虽然也可以完成，但是有可能并未能分析某些特殊情况。

所以，提出问题，是进行挖掘和分析的第一步。

假如老板来了，给你了一个数据集，告诉你，今天想要了解活跃用户的相关情况，将低活跃用户的数据进行删除。

问题来了，该解决问题，这个问题的关建是活跃用户。

首先你要先判断数据集的内容。

工具包导入
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import warnings
warnings.filterwarnings('ignore') #忽略warnings
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False #解决matplotlib中文乱码问题
df =pd.read_csv('F:/数据分析/tianchi_mobile_recommend_train_user.csv')
print(df.head(10))
len(df)
df.columns

打开文件后，数据范围如下：

我的天，1200万多条数据，数据集对于学生来说，是比较庞大的（推荐使用pycharm运行）

如果担心自己习惯用jupyter的人是否可以玩转pycharm，可以推荐使用shift+alt+e键，来实现使用jupyter时的操作手感。

这里进行假定（也有别的分法）：
针对数据集中用户出现的次数进行，划分活跃用户。

根据代码已经知道了用户的总数为10000人。

那么根据出现次数大于1次，10次，100次，1000次的用户进行探究。

print("大于1000的用户数量：",len(df.user_id.value_counts()[df.user_id.value_counts()>1000]))
print("大于1的用户数量：",len(df.user_id.value_counts()[df.user_id.value_counts()>1]))
print("大于100的用户数量：",len(df.user_id.value_counts()[df.user_id.value_counts()>100]))
print("大于10的用户数量：",len(df.user_id.value_counts()[df.user_id.value_counts()>10]))

可以发现的是当用户大于1000次的时候，出现了断层，这时候，我们将出现次数大于1000次的用户定义为活跃用户，接着就是对数据集里挑选出符合条件的用户。

df_group=df.groupby('user_id').count()
print(df_group)
print(df)
print(df_group[df_group.item_id>1000])
df_new_select=df_group[df.user_id.value_counts()>1000]
df_new_select.rename(columns={'item_id':'count'},inplace=True)
df_new_select.reset_index(inplace=True)
# pd.concat([df,df_new_select],axis=1)
df_merge=pd.merge(df_new_select[['user_id','count']],df,on='user_id')

首先先用groupby函数和count函数统计出现次数，随后挑选出大于1000次的数据，对新的数据进行重命名，再对索引重新定义，最后使用merge函数进行合并，就能挑选出自己想要的数据了。