数据分析项目4-用户数据分析

最新推荐文章于 2024-07-25 16:21:35 发布

yxy618

最新推荐文章于 2024-07-25 16:21:35 发布

阅读量673

点赞数 1

文章标签：数据分析 python

本文链接：https://blog.csdn.net/yxy618/article/details/125897075

版权

本文详细探讨了用户数据处理，包括数据类型处理、按月分析、个体消费、消费行为和用户生命周期。从数据加载、缺失值检查到时间类型转换，再到用户消费统计和RFM模型应用，揭示了用户消费习惯和行为模式，最后通过用户生命周期划分，定义了不同用户状态。

摘要由CSDN通过智能技术生成

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
数据中是否储存在缺失值
将order_dt转换为成时间类型
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]")

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt

# 数据的加载
df = pd.read_csv("./data/CDNOW_master-Copy1.txt",header=None, sep='\s+', names=['user_id','order_dt','order_product','order_amount'])
df 

user_id	order_dt	order_product	order_amount
0	1	19970101	1	11.77
1	2	19970112	1	12.00
2	2	19970112	5	77.00
3	3	19970102	2	20.76
4	3	19970330	2	20.76
...	...	...	...	...
69654	23568	19970405	4	83.74
69655	23568	19970422	1	14.99
69656	23569	19970325	2	25.74
69657	23570	19970325	3	51.12
69658	23570	19970326	2	42.96
69659 rows × 4 columns

# 查看数据的数据类型
# 数据中是否储存在缺失值

df.info()

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

# 基于order_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：astype("datetime64[M]")
df['month'] = df['order_dt'].astype('datetime64[M]') 
df.head()


user_id	order_dt	order_product	order_amount	month
0	1	1997-01-01	1	11.77	1997-01-01
1	2	1997-01-12	1	12.00	1997-01-01
2	2	1997-01-12	5	77.00	1997-01-01
3	3	1997-01-02	2	20.76	1997-01-01
4	3	1997-03-30	2	20.76	1997-03-01

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 69659 entries, 0 to 69658
Data columns (total 4 columns):
 #   Column         Non-Null Count  Dtype         
---  ------         --------------  -----         
 0   user_id        69659 non-null  int64         
 1   order_dt       69659 non-null  datetime64[ns]
 2   order_product  69659 non-null  int64         
 3   order_amount   69659 non-null  float64       
dtypes: datetime64[ns](1), float64(1), int64(2)
memory usage: 2.1 MB

# 查看数据的统计描述
df.describe()

user_id	order_product	order_amount
count	69659.000000	69659.000000	69659.000000
mean	11470.854592	2.410040	35.893648
std	6819.904848	2.333924	36.281942
min	1.000000	1.000000	0.000000
25%	5506.000000	1.000000	14.490000
50%	11410.000000	2.000000	25.980000
75%	17273.000000	3.000000	43.700000
max	23570.000000	99.000000	1286.010000

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()

#绘制曲线图展示
# plt.plot(df.groupby(by = 'month')['order_amount'].sum())
df.groupby(by = 'month')['order_amount'].sum().plot()

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

#所有用户每月的消费总次数
df.groupby(by = 'month')['user_id'].count().plot()

#统计每月的消费人数
df.groupby(by = ['month'])['user_id'].nunique().plot() #unique前面加n，nunique表示统计去重后的个数

第三部分：用户个体消费数据分析
用户消费总金额和消费总次数的统计描述
用户消费金额和消费次数的散点图
各个用户消费总金额的直方分布图(消费金额在1000之内的分布)
各个用户消费的总数据的直方分布图(消费商品的数量在100之内的分布)