11、Python 数据分析-用户消费行为分析

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
  • 数据中是否存储在缺失值
  • 将order_dt转换成时间类型
  • 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

import pandas as pd
from pandas import DataFrame,Series
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

1.1、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

df = pd.read_csv('./data/CDNOW_master.txt',header=None,sep='s+',names=['user_id','order_dt','order_product','order_amount'])
df.head()

1.2、查看数据类型

查看数据的数据类型，数据中是否存储在缺失值

df.info()
>>>
<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  int64  
 2   order_product  69659 non-null  int64  
 3   order_amount   69659 non-null  float64
dtypes: float64(1), int64(3)
memory usage: 2.1 MB

将order_dt转换成时间类型

df['order_dt'] = pd.to_datetime(df['order_dt'],format='%Y%m%d')
df.head()

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

df.describe()

在源数据中添加一列表示月份

df['month'] = df['order_dt'].astype('datetime64[M]')

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

month_amt_s = df.groupby(by='month')['order_amount'].sum()
>>>
month
1997-01-01    299060.17
1997-02-01    379590.03
1997-03-01    393155.27
1997-04-01    142824.49
1997-05-01    107933.30
1997-06-01    108395.87
1997-07-01    122078.88
1997-08-01     88367.69
1997-09-01     81948.80
1997-10-01     89780.77
1997-11-01    115448.64
1997-12-01     95577.35
1998-01-01     76756.78
1998-02-01     77096.96
1998-03-01    108970.15
1998-04-01     66231.52
1998-05-01     70989.66
1998-06-01     76109.30
Name: order_amount, dtype: float64

​ 绘制曲线图展示

plt.figure(figsize=(8,5))
plt.plot(month_amt_s.index,month_amt_s.values)
#或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()
>>>
month
1997-01-01    19416
1997-02-01    24921
1997-03-01    26159
1997-04-01     9729
1997-05-01     7275
1997-06-01     7301
1997-07-01     8131
1997-08-01     5851
1997-09-01     5729
1997-10-01     6203
1997-11-01     7812
1997-12-01     6418
1998-01-01     5278
1998-02-01     5340
1998-03-01     7431
1998-04-01     4697
1998-05-01     4903
1998-06-01     5287
Name: order_product, dtype: int64

所有用户每月的消费总次数

df.groupby(by='month')['user_id'].count()
>>>
month
1997-01-01     8928
1997-02-01    11272
1997-03-01    11598
1997-04-01     3781
1997-05-01     2895
1997-06-01     3054
1997-07-01     2942
1997-08-01     2320
1997-09-01     2296
1997-10-01     2562
1997-11-01     2750
1997-12-01     2504
1998-01-01     2032
1998-02-01     2026
1998-03-01     2793
1998-04-01     1878
1998-05-01     1985
1998-06-01     2043
Name: user_id, dtype: int64

统计每月的消费人数

df.groupby(by='month')['user_id'].nunique()
>>>
month
1997-01-01    7846
1997-02-01    9633
1997-03-01    9524
1997-04-01    2822
1997-05-01    2214
1997-06-01    2339
1997-07-01    2180
1997-08-01    1772
1997-09-01    1739
1997-10-01    1839
1997-11-01    2028
1997-12-01    1864
1998-01-01    1537
1998-02-01    1551
1998-03-01    2060
1998-04-01    1437
1998-05-01    1488
1998-06-01    1506
Name: user_id, dtype: int64

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量的直方分布图(消费商品的数量在100次之内的分布)

用户消费总金额和消费总次数的统计描述

#每一个用户消费总金额
df.groupby(by='user_id')['order_amount'].sum()
>>>
user_id
1         11.77
2         89.00
3        156.46
4        100.50
5        385.61
          ...  
23566     36.00
23567     20.97
23568    121.70
23569     25.74
23570     94.08
Name: order_amount, Length: 23570, dtype: float64
            
            
#每一个用户消费消费总次数
df.groupby(by='user_id')['order_product'].sum()
>>>
user_id
1         1
2         6
3        16
4         7
5        29
         ..
23566     2
23567     1
23568     6
23569     2
23570     5
Name: order_product, Length: 23570, dtype: int64

用户消费金额和消费次数的散点图

plt.scatter(df.groupby(by='user_id')['order_amount'].sum(),df.groupby(by='user_id')['order_product'].sum())
plt.xlabel('sum_amount')
plt.ylabel('sum_product')

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)

#各个用户消费总金额
user_amount_1000 = df.groupby(by='user_id').sum().query('order_amount <= 1000')['order_amount']
>>>
user_id
1         11.77
2         89.00
3        156.46
4        100.50
5        385.61
          ...  
23566     36.00
23567     20.97
23568    121.70
23569     25.74
23570     94.08
Name: order_amount, Length: 23370, dtype: float64

#直方分布图
plt.hist(user_amount_1000,bins=50)

各个用户消费的总数量的直方分布图(消费商品的数量在100次之内的分布)

#各个用户消费的总数量
user_product_100 = df.groupby(by='user_id').sum().query('order_product <= 100')['order_product']
>>>
user_id
1         1
2         6
3        16
4         7
5        29
         ..
23566     2
23567     1
23568     6
23569     2
23570     5
Name: order_product, Length: 23491, dtype: int64

#直方分布图
plt.hist(user_product_100,bins=50)

第四部分：用户消费行为分析

• 用户第一次消费的月份分布，和人数统计
• 用户最后一次消费的时间分布，和人数统计
• 新老客户的占比
  • 消费一次为新用户
  • 消费多次为老用户
    • 分析出每一个用户的第一个消费和最后一次消费的时间
      • agg(['func1','func2']):对分组后的结果进行指定聚合
    • 分析出新老客户的消费比例
• 用户分层
  • 分析得出每个用户的总购买量和总消费金额and最近一次消费的时间的表格rfm
  • RFM模型设计
    • R表示客户最近一次交易时间的间隔。
      • /np.timedelta64(1,'D')：去除days
    • F表示客户购买商品的总数量,F值越大，表示客户交易越频繁，反之则表示客户交易不够活跃。
    • M表示客户交易的金额。M值越大，表示客户价值越高，反之则表示客户价值越低。
    • 将R，F，M作用到rfm表中
  • 根据价值分层，将用户分为：
    • 重要价值客户
    • 重要保持客户
    • 重要挽留客户
    • 重要发展客户
    • 一般价值客户
    • 一般保持客户
    • 一般挽留客户
    • 一般发展客户
      • 使用已有的分层模型即可rfm_func

用户第一次消费的月份分布，和人数统计

#用户第一次消费的月份分布
#分析：用户消费月份的最小值就是用户第一次消费的月份
df.groupby(by='user_id')['month'].min()
>>>
user_id
1       1997-01-01
2       1997-01-01
3       1997-01-01
4       1997-01-01
5       1997-01-01
           ...    
23566   1997-03-01
23567   1997-03-01
23568   1997-03-01
23569   1997-03-01
23570   1997-03-01
Name: month, Length: 23570, dtype: datetime64[ns]


#用户第一次消费的人数统计       
df.groupby(by='user_id')['month'].min().value_counts()
>>>
1997-02-01    8476
1997-01-01    7846
1997-03-01    7248
Name: month, dtype: int64

用户最后一次消费的时间分布，和人数统计

user_max = df.groupby(by='user_id')['month'].max().value_counts()
user_max.sort_index()#排序
>>>
1997-01-01    4192
1997-02-01    4912
1997-03-01    4478
1997-04-01     677
1997-05-01     480
1997-06-01     499
1997-07-01     493
1997-08-01     384
1997-09-01     397
1997-10-01     455
1997-11-01     609
1997-12-01     620
1998-01-01     514
1998-02-01     550
1998-03-01     993
1998-04-01     769
1998-05-01    1042
1998-06-01    1506
Name: month, dtype: int64

新老客户的占比

• 消费一次为新用户

• 消费多次为老用户

  • 分析出每一个用户的第一个消费和最后一次消费的时间
    • agg(['func1','func2']):对分组后的结果进行指定聚合

  #新老客户的占比
  #何为新用户：只消费了一次
  #何为老用户：消费了多次
  #如何计算用户的消费次数:可以找出用户第一次和最后一次消费时间，如果这两个时间一样，则表示该用户只消费了一次，否则表示用户消费了多次
  #agg：可以将分组后的结果进行多种形式的聚合操作
  df_min_max = df.groupby(by='user_id')['order_dt'].agg(['min','max'])
  

• 分析出新老客户的消费比例

  (df_min_max['min'] == df_min_max['max']).value_counts()
  >>>
  True     12054
  False    11516
  dtype: int64
  

用户分层

• 分析得出每个用户的总购买量和总消费金额and最近一次消费的时间的表格rfm

#分析得出每个用户的总购买量和总消费金额and最近一次消费的时间的表格rfm
#用户最近一次消费时间：用户消费时间的最大值
rfm = df.pivot_table(index='user_id',aggfunc={'order_product':'sum','order_amount':'sum','order_dt':'max'})
rfm.head()

• RFM模型设计

  • R表示客户最近一次交易时间的间隔。

    • /np.timedelta64(1,'D')：去除days

  • F表示客户购买商品的总数量,F值越大，表示客户交易越频繁，反之则表示客户交易不够活跃。

  • M表示客户交易的金额。M值越大，表示客户价值越高，反之则表示客户价值越低。

  • 将R，F，M作用到rfm表中

#R表示客户最近一次交易时间的间隔:最后一次交易时间和交易数据的最后一天的一个间隔
rfm['R'] =(rfm['order_dt'].max() - rfm['order_dt'])/np.timedelta64(1,'D')
rfm.columns = ['M','order_dt','F','R']
rfm = rfm[['R','F','M']]

• 根据价值分层，将用户分为：

  • 重要价值客户

  • 重要保持客户

  • 重要挽留客户

  • 重要发展客户

  • 一般价值客户

  • 一般保持客户

  • 一般挽留客户

  • 一般发展客户

    • 使用已有的分层模型即可rfm_func

def rfm_func(x):
    #存储存储的是三个字符串形式的0或者1
    level = x.map(lambda x :'1' if x >= 0 else '0')
    label = level.R + level.F + level.M
    d = {
        '111':'重要价值客户',
        '011':'重要保持客户',
        '101':'重要挽留客户',
        '001':'重要发展客户',
        '110':'一般价值客户',
        '010':'一般保持客户',
        '100':'一般挽留客户',
        '000':'一般发展客户'
    }
    result = d[label]
    return result
#df.apply(func):可以对df中的行或者列进行某种（func）形式的运算
rfm['label'] = rfm.apply(lambda x : x - x.mean()).apply(rfm_func,axis = 1)
rfm.head()

4.1、用户消费的生命周期

将用户划分为活跃用户和其他用户

• 统计每个用户每个月的消费次数

df_purchase = df.pivot_table(index='user_id',values='order_dt',aggfunc='count',columns='month',fill_value=0)

• 统计每个用户每个月是否消费，消费记录为1否则记录为0

df_purchase = df_purchase.applymap(lambda x:1 if x >= 1 else 0)
df_purchase.head()

• 将用户按照每一个月份分成：

  • unreg:观望用户（前两月没买，第三个月才第一次买,则用户前两个月为观望用户）

  • unactive:首月购买后，后序月份没有购买则在没有购买的月份中该用户的为非活跃用户

  • new:当前月就进行首次购买的用户在当前月为新用户

  • active:连续月份购买的用户在这些月中为活跃用户

  • return:购买之后间隔n月再次购买的第一个月份为该月份的回头客

#将df_purchase中的原始数据0和1修改为new，unactive......
#固定算法
def active_status(data):
    status = []#某个用户每一个月的活跃度
    for i in range(len(df_purchase.columns)):
        #若本月没有消费
        if data[i] == 0:
            if len(status) > 0:
                if status[i-1] == 'unreg':
                    status.append('unreg')
                else:
                    status.append('unactive')
            else:
                status.append('unreg')
                    
        #若本月消费
        else:
            if len(status) == 0:
                status.append('new')
            else:
                if status[i-1] == 'unactive':
                    status.append('return')
                elif status[i-1] == 'unreg':
                    status.append('new')
                else:
                    status.append('active')
    return status

pivoted_status = df_purchase.apply(active_status,axis = 1) 
pivoted_status.head()
>>>
user_id
1    [new, unactive, unactive, unactive, unactive, ...
2    [new, unactive, unactive, unactive, unactive, ...
3    [new, unactive, return, active, unactive, unac...
4    [new, unactive, unactive, unactive, unactive, ...
5    [new, active, unactive, return, active, active...
dtype: object

#将df_purchase中的原始数据0和1修改为new，unactive......
new_df = DataFrame(data=pivoted_status.values.tolist(),columns=df_purchase.columns,index=df_purchase.index)

每月【不同活跃】用户的计数

purchase_status_ct = new_df.apply(lambda x : pd.value_counts(x)).fillna(0)
purchase_status_ct

#转置90°进行最终结果的查看
purchase_status_ct.T