matplotlib和pandas经典操作

1. 导入数据

import pandas as pd #导入Pandas
df_sales_02 = pd.read_csv('订单记录.csv') #载入数据
df_sales_02.head() #显示头几行数据 

2.  数据可视化

import matplotlib.pyplot as plt #导入Matplotlib的pyplot模块
#构建月度的订单数的DataFrame
df_sales_02['消费日期'] = pd.to_datetime(df_sales_02['消费日期']) #转化日期格式
df_orders_monthly = df_sales_02.set_index('消费日期')['订单号'].resample('M').nunique()
#设定绘图的画布




ax = pd.DataFrame(df_orders_monthly.values).plot(grid=True,figsize=(12,6),legend=False)



ax.set_xlabel('月份') # X轴label
ax.set_ylabel('订单数') # Y轴Label
ax.set_title('月度订单数') # 图题
#设定X轴月份显示格式
plt.xticks(
    range(len(df_orders_monthly.index)), 
    [x.strftime('%m.%Y') for x in df_orders_monthly.index], 
    rotation=45)
plt.show() # 绘图

 =================================================================================

1. pandas的经典操作

df_sales_02 = df_sales_02.loc[df_sales_02['数量'] > 0] #清洗掉数量小于等于0的数据

 2. 特征工程

df_sales_02['总价'] = df_sales_02['数量'] * df_sales_02['单价'] #计算每单的总价
df_sales_02.head() #显示头几行数据  

 3.  构建User用户表

df_user_02 = pd.DataFrame(df_sales_02['用户码'].unique()) #生成以用户码为主键的结构df_user
df_user_02.columns = ['用户码'] #设定字段名
df_user_02 = df_user_02.sort_values(by='用户码',ascending=True).reset_index(drop=True) #按用户码排序
df_user_02 #显示df_user

 4.  求R值

df_sales_02['消费日期'] = pd.to_datetime(df_sales_02['消费日期']) #转化日期格式
df_recent_buy_02 = df_sales_02.groupby('用户码').消费日期.max().reset_index() #构建消费日期信息
df_recent_buy_02.columns = ['用户码','最近日期'] #设定字段名
df_recent_buy_02['R值'] = (df_recent_buy_02['最近日期'].max() - df_recent_buy_02['最近日期']).dt.days #计算最新日期与上次消费日期的天数
df_user_02 = pd.merge(df_user_02, df_recent_buy_02[['用户码','R值']], on='用户码') #把上次消费距最新日期的天数（R值）合并至df_user结构
df_user_02.head() #显示df_user头几行数据

 5. 求F值

## F值: 同一个用户购买的次数
df_frequency_02 = df_sales_02.groupby('用户码').消费日期.count().reset_index() #按照用户码分组，重建索引
df_frequency_02.columns = ['用户码','F值']
df_user_03 = pd.merge(df_user_03, df_frequency_02[['用户码','F值']], on='用户码') #把上次消费距最新日期的天数（R值）合并至df_user结构
df_user_03.head() #显示df_user头几行数据

6. 求M值

## M值: 同一个用户从开始到现在的购买总额
df_amount_02 = df_sales_02.groupby('用户码').总价.sum().reset_index() #按照用户码分组，重建索引
df_amount_02.columns = ['用户码','M值']
df_user_03 = pd.merge(df_user_03, df_amount_02[['用户码','M值']], on='用户码') #把上次消费距最新日期的天数（R值）合并至df_user结构
df_user_03.head() #显示df_user头几行数据