python高潜用户分析

高潜用户应该具有的特征：

1）必须有购买行为；
2）对一个商品购买，并且有其他交互行为（如浏览、点击、收藏等）
3)  最早交互时间跟购买时间要大于1

需要处理的数据：自行下载

字段名称         意义                字段名称         意义
user_id         用户编号             user_id         用户编号
age             年龄                 sku_id         商品编号
sex             性别                 type           行为类型
user_lv_cd      用户级别             time            行为时间
browse_num      浏览数               ate             品类ID
addcart num     加购数
delcart num     删购数
buy_num         购买数
favor_num       收藏数
click_num       点击数

# 读取数据
path = r'E:\python\python项目\数据分析\用户画像分析\action.csv'
chunker = pd.read_csv(path, iterator=True)
loop = True
chunksize = 10000  # 设置每次读取10000条数据
chunks = []
while loop:
    try:
        chunk = chunker.get_chunk(chunksize)[['user_id', 'sku_id', 'type', 'time', 'cate']]
        chunks.append(chunk)
    except StopIteration:
        loop = False
        print('文件读取完毕')
# print(chunks)
action = pd.concat(chunks, ignore_index=True)

这里我们先读action.csv ,由于数据量比较大，(数据太大读不出来，程序会报错)我们需要按块读取，每次读一点。

数据清洗：

这个表的数据基本可以算是比较好的，不需要数据清洗。

#查看是否需要进行数据清洗
print(action.isnull().sum())  # 无空值
print(action.duplicated().sum()) # 重复值
# 异常值
print(action.describe())

#我们在运行的时候发现 时间这一列类型不太对，所以我们就转换一下格式
print(action.info())

#类型转换
action['time'] = pd.to_datetime(action['time'])
action['user_id'] = action['user_id'].astype('int')

数据筛选：

1：筛选出购买行为的用户。

action.csv 表中 type列是    行为类型

print(action['type'].value_counts())  # type     行为类型 已经对type进行了分类，我们只需要找到数值最低的，就是购买的用户

我们运行查看行为类型后发现，已经是有分好类了，1，2，3，4，5，6.这六种类型，分别对应了多少行。这样我们目前还是不知道那一行是购买记录。所以可以根据实际分析，购买的行为应该是最少的。所以我们就定位到行为为4的购买记录。

然后进行筛选出行为4的客户如下图所示。

# 行为4的客户
action_type4 = action[action['type'] == 4]
print(action_type4)

# 计算每一类商品每个用户的最后购买时间
ac_lastbuytime = action_type4.groupby(by=['cate', 'user_id'])['time'].apply(lambda x: x.max())
print(ac_lastbuytime.head())

# 最早与该商品发生交互的日期
# ac_lastbuytime 表id具有唯一性 与总表进行合并，
ac_all_buy = pd.merge(ac_lastbuytime, action, left_on='user_id', right_on='user_id')
print(ac_all_buy.head())

ac_firsttime = ac_all_buy.groupby(by='user_id')['time_y'].apply(lambda x: x.min())

df = pd.merge(ac_lastbuytime, ac_firsttime.to_frame(), on='user_id')
df.columns = ['buy_time', 'ac_time']
print(df)

#计算时间差

df['days'] = (pd.to_datetime(df['buy_time']) - pd.to_datetime(df['ac_time'])).dt.days
print(df)

# 获取高潜力用户
high_pot = df[df['days'] > 1]
print(high_pot)

上面这一段是筛选出高潜用户。

筛选出来后，我们对客户等级进行分类，然后生成一个图表。

# 用户表

user = pd.read_csv(r'E:\python\python项目\数据分析\用户画像分析\user.csv')
# 表合并
user_high = pd.merge(user, high_pot, on='user_id')


#去重
user_high.drop_duplicates(subset=['user_id'],inplace=True)
print(user_high)

# 用户等级分布
user_lv_count = user_high['user_lv_cd'].value_counts()
print(user_lv_count)

# 数据可视化
num = user_lv_count.values.tolist()#转列表
lev = user_lv_count.index.tolist()
data_pair = [(i,j)for i ,j in zip(lev,num)]
pie = (Pie()
       .add('',data_pair)
       .set_global_opts(tooltip_opts=opts.TooltipOpts(is_show=True,formatter='等级{b}:{d}%'),
                        title_opts={'text':'高潜用户等级占比'}))
pie.render_notebook()

pie.render("1.html")

使用pyecharts库生成一个HTML文件，这个库做出了的表比较好看，有一点动画效果。

import pandas as pd
from pyecharts.charts import Pie
import pyecharts.options as opts

# 读取数据
path = r'E:\python\python项目\数据分析\用户画像分析\action.csv'
chunker = pd.read_csv(path, iterator=True)
loop = True
chunksize = 10000  # 设置每次读取10000条数据
chunks = []
while loop:
    try:
        chunk = chunker.get_chunk(chunksize)[['user_id', 'sku_id', 'type', 'time', 'cate']]
        chunks.append(chunk)
    except StopIteration:
        loop = False
        print('文件读取完毕')
# print(chunks)
action = pd.concat(chunks, ignore_index=True)
# print(action.head())
# print(action.info())

# 数据清洗

# print(action.isnull().sum())  # 无空值

# 重复值
# print(action.duplicated().sum())

# 异常值
# print(action.describe())


#类型转换
action['time'] = pd.to_datetime(action['time'])
action['user_id'] = action['user_id'].astype('int')
#
# print(action.info())
#
print(action['type'].value_counts())  # type     行为类型 已经对type进行了分类，我们只需要找到数值最低的，就是购买的用户
#
# 行为4的客户
action_type4 = action[action['type'] == 4]
print(action_type4)

# 计算每一类商品每个用户的最后购买时间
ac_lastbuytime = action_type4.groupby(by=['cate', 'user_id'])['time'].apply(lambda x: x.max())
print(ac_lastbuytime.head())

# 最早与该商品发生交互的日期
# ac_lastbuytime 表id具有唯一性 与总表进行合并，
ac_all_buy = pd.merge(ac_lastbuytime, action, left_on='user_id', right_on='user_id')
print(ac_all_buy.head())
#
ac_firsttime = ac_all_buy.groupby(by='user_id')['time_y'].apply(lambda x: x.min())

df = pd.merge(ac_lastbuytime, ac_firsttime.to_frame(), on='user_id')
df.columns = ['buy_time', 'ac_time']
print(df)

# 计算时间差

df['days'] = (pd.to_datetime(df['buy_time']) - pd.to_datetime(df['ac_time'])).dt.days
print(df)

# 获取高潜力用户
high_pot = df[df['days'] > 1]
print(high_pot)
#
# 用户表

user = pd.read_csv(r'E:\python\python项目\数据分析\用户画像分析\user.csv')
# 表合并
user_high = pd.merge(user, high_pot, on='user_id')


#去重
user_high.drop_duplicates(subset=['user_id'],inplace=True)
print(user_high)

# 用户等级分布
user_lv_count = user_high['user_lv_cd'].value_counts()
print(user_lv_count)

# 数据可视化
num = user_lv_count.values.tolist()#转列表
lev = user_lv_count.index.tolist()
data_pair = [(i,j)for i ,j in zip(lev,num)]
pie = (Pie()
       .add('',data_pair)
       .set_global_opts(tooltip_opts=opts.TooltipOpts(is_show=True,formatter='等级{b}:{d}%'),
                        title_opts={'text':'高潜用户等级占比'}))
pie.render_notebook()

pie.render("1.html")

源码如下：