數(shù)據(jù)集簡介
數(shù)據(jù)集來源于某健身房2019年3月至2020年2月會員消費購買行為，數(shù)據(jù)集一共包含四個字段：用戶ID，購買日期，購買數(shù)量和購買金額。屬于非常典型的消費行為數(shù)據(jù)集。
數(shù)據(jù)導(dǎo)入
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt#導(dǎo)入庫及所需的包
from datetime import datetime
plt.rc('font', family='SimHei', size=18)# 顯示中文標簽
plt.style.use ('ggplot')#設(shè)定繪圖風格
df=pd.read_excel(r"D:\PycharmProjects\data\cuscapi.xls", order_dt=['date'])# 數(shù)據(jù)加載
df.head(10)
| user_id | order_dt | order_products | order_amount | |
|---|---|---|---|---|
| 0 | vs30033073 | 2020-01-17 | 1 | 20 |
| 1 | vs30026748 | 2019-12-04 | 1 | 20 |
| 2 | vs10000716 | 2019-07-05 | 1 | 20 |
| 3 | vs30032785 | 2019-08-21 | 2 | 0 |
| 4 | vs10000716 | 2019-10-24 | 1 | 20 |
| 5 | vs30033073 | 2019-11-29 | 2 | 20 |
| 6 | vs10000621 | 2019-07-19 | 2 | 20 |
| 7 | vs30029475 | 2019-05-17 | 1 | 20 |
| 8 | vs30030664 | 2019-11-11 | 1 | 20 |
| 9 | vs10000773 | 2019-11-25 | 1 | 20 |
pd.set_option('display.float_format', lambda x: '%.2f' % x)
df.describe()
| order_products | order_amount | |
|---|---|---|
| count | 2013.00 | 2013.00 |
| mean | 1.47 | 22.90 |
| std | 0.91 | 94.94 |
| min | 1.00 | 0.00 |
| 25% | 1.00 | 20.00 |
| 50% | 1.00 | 20.00 |
| 75% | 2.00 | 20.00 |
| max | 12.00 | 2650.00 |
分析：
1.會員用戶平均每筆訂單購買1.5個商品，標準差為在0.9，波性較小 。中位數(shù)在1個商品，75分位數(shù)在2個產(chǎn)品，說明絕大訂單的購買量都不多。
2.平均每筆訂單消費金額為22.9元，標準差約為95，中位數(shù)在20，平均數(shù)大于中位數(shù)。大多數(shù)會員消費金額集中在小額，小部分用戶貢獻大額消費，符合消費類數(shù)據(jù)的二八分布。
3.一般而言，消費類數(shù)據(jù)的分布都是長尾分布。
user_group=df.groupby('user_id').sum()
user_group.head(10)
| user_id | order_products | order_amount |
|---|---|---|
| vs10000005 | 9 | 189 |
| vs10000621 | 214 | 5704 |
| vs10000627 | 2 | 0 |
| vs10000716 | 250 | 2616 |
| vs10000743 | 1 | 20 |
| vs10000757 | 75 | 1104 |
| vs10000773 | 23 | 460 |
| vs10000775 | 8 | 2730 |
| vs10000788 | 7 | 144 |
| vs10000794 | 1 | 0 |
user_group.describe()
| order_products | order_amount | |
|---|---|---|
| count | 247.00 | 247.00 |
| mean | 11.97 | 186.59 |
| std | 36.70 | 641.12 |
| min | 1.00 | 0.00 |
| 25% | 2.00 | 0.00 |
| 50% | 2.00 | 0.00 |
| 75% | 3.00 | 66.00 |
| max | 277.00 | 5704.00 |
分析：會員用戶平均購買約12個商品，最多的購買了277個商品。會員用戶平均消費金額約為187元，標準差為641，中位數(shù)在0，結(jié)合分位數(shù)和最大值看，屬于正偏分布，存在小部分會員購買大量商品的高消費情況。
df.info()#查看數(shù)據(jù)類型
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 2013 entries, 0 to 2012
Data columns (total 4 columns):
user_id 2013 non-null object
order_dt 2013 non-null datetime64[ns]
order_products 2013 non-null int64
order_amount 2013 non-null int64
dtypes: datetime64[ns](1), int64(2), object(1)
memory usage: 63.0+ KB
分析：經(jīng)查，本數(shù)據(jù)集不存在空值。
數(shù)據(jù)處理
數(shù)據(jù)類型轉(zhuǎn)換
#提取月份
df['order_dt']=df['order_dt'].dt.date
df['month']=df['order_dt'].astype('datetime64[M]')
df.head(10)
| user_id | order_dt | order_products | order_amount | month | |
|---|---|---|---|---|---|
| 0 | vs30033073 | 2020-01-17 | 1 | 20 | 2020-01-01 |
| 1 | vs30026748 | 2019-12-04 | 1 | 20 | 2019-12-01 |
| 2 | vs10000716 | 2019-07-05 | 1 | 20 | 2019-07-01 |
| 3 | vs30032785 | 2019-08-21 | 2 | 0 | 2019-08-01 |
| 4 | vs10000716 | 2019-10-24 | 1 | 20 | 2019-10-01 |
| 5 | vs30033073 | 2019-11-29 | 2 | 20 | 2019-11-01 |
| 6 | vs10000621 | 2019-07-19 | 2 | 20 | 2019-07-01 |
| 7 | vs30029475 | 2019-05-17 | 1 | 20 | 2019-05-01 |
| 8 | vs30030664 | 2019-11-11 | 1 | 20 | 2019-11-01 |
| 9 | vs10000773 | 2019-11-25 | 1 | 20 | 2019-11-01 |
數(shù)據(jù)分析-月度總趨勢分析
df.groupby('month').order_amount.sum().plot()
plt.xlabel('月份')
plt.ylabel('消費金額(元)')
plt.title('不同月份的用戶消費金額',fontsize=20)
output_17_1.png
分析：按月統(tǒng)計每個月的商品消費金額，可以看到，各月份銷量波動起伏較大。
df.groupby('month').order_products.sum().plot()
plt.xlabel('月份')
plt.ylabel('商品個數(shù)')
plt.title('不同月份的產(chǎn)品購買量',fontsize=20)
output_19_1.png
說明：每月的產(chǎn)品購買量呈現(xiàn)前7個月快速上升，后5個月整體下降的趨勢。
df.groupby('month').user_id.count().plot()
plt.xlabel('月份')
plt.ylabel('消費次數(shù)')
plt.title('不同月份的消費次數(shù)',fontsize=20)
output_21_1.png
說明：至7月份消費次數(shù)超過250次，后續(xù)月份的消費次數(shù)開始呈現(xiàn)下降趨勢。
df.groupby('month').user_id.nunique().plot()
plt.xlabel('月份')
plt.ylabel('消費人數(shù)')
plt.title('不同月份的消費人數(shù)',fontsize=20)
output_23_1.png
說明：每月的消費人數(shù)小于每月的消費次數(shù)。至7月份消費人數(shù)達90人，后續(xù)月份的消費人數(shù)開始呈現(xiàn)下降趨勢。
數(shù)據(jù)分析-用戶個體行為分析
df.groupby('user_id').sum().head()
| user_id | order_products | order_amount |
|---|---|---|
| vs10000005 | 9 | 189 |
| vs10000621 | 214 | 5704 |
| vs10000627 | 2 | 0 |
| vs10000716 | 250 | 2616 |
| vs10000743 | 1 | 20 |
user_consume=df.groupby('user_id').sum()
plt.scatter(user_consume['order_products'], user_consume['order_amount'] )
plt.xlabel('消費產(chǎn)品個數(shù)')
plt.ylabel('消費金額')
plt.title('用戶消費金額與產(chǎn)品個數(shù)的關(guān)系散點圖',fontsize=20)
output_27_1.png
說明：訂單消費金額和訂單商品量的關(guān)系不呈線性，用戶消費規(guī)律性不強，訂單的極值較多。
consume_products = user_consume['order_products']
consume_amount= user_consume['order_amount']
fig= plt.figure(figsize=(10.,6))
fig.add_subplot(1,2,1)
consume_products.hist(bins=10 )
plt.title('用戶購買數(shù)量分布直方圖')
plt.xlabel('購買數(shù)量')
plt.ylabel('人數(shù)')
fig.add_subplot(1,2,2)
consume_amount.hist(bins=10)
plt.title('用戶購買金額分布直方圖')
plt.xlabel('購買金額')
plt.ylabel('人數(shù)')
output_29_1.png
說明：大部分用戶消費能力不高，整個計算周期內(nèi)購買數(shù)量在50以內(nèi)，消費金額在1000以內(nèi)。
df.groupby('user_id').month.min().value_counts()
2019-08-01 62
2019-07-01 53
2019-09-01 43
2019-10-01 22
2019-11-01 16
2019-03-01 13
2020-01-01 11
2019-06-01 9
2019-05-01 8
2019-12-01 5
2020-02-01 3
2019-04-01 2
Name: month, dtype: int64
df.groupby('user_id').month.min().value_counts().plot()
plt.title('第一次消費會員數(shù)和時間折線圖')
plt.xlabel('首購時間')
plt.ylabel('會員數(shù)')
output_32_1.png
df.groupby('user_id').month.max().value_counts()
2019-08-01 65
2019-09-01 52
2019-07-01 39
2019-10-01 22
2020-01-01 21
2020-02-01 17
2019-11-01 16
2019-12-01 8
2019-03-01 3
2019-06-01 3
2019-05-01 1
Name: month, dtype: int64
df.groupby('user_id').month.max().value_counts().plot()
plt.title('最后一次消費會員數(shù)和時間折線圖')
plt.xlabel('最后購買時間')
plt.ylabel('會員數(shù)')
output_34_1.png
#各會員首次、最后一次消費時間間隔
(df.groupby('user_id')['month'].agg({'num1':'min', 'num2':'max'}).num2-df.groupby('user_id')['month'].agg({'num1':'min', 'num2':'max'}).num1).value_counts()
0 days 177
31 days 24
61 days 6
92 days 6
122 days 6
337 days 5
30 days 4
306 days 3
153 days 3
184 days 3
62 days 2
123 days 2
215 days 2
245 days 2
275 days 1
276 days 1
dtype: int64
說明：
1.用groupby函數(shù)將用戶分組，并且求月份的最小值、最小值即用戶消費行為的第一次消費時間。
2.大部分用戶的第一次消費集中在7、8月份，觀察用戶的最后一次消費時間，將近80%的客戶都在首次消費1個月內(nèi)流失。
數(shù)據(jù)分析-用戶行為中的復(fù)購率和回購率分析
數(shù)據(jù)透視-每位會員各月消費次數(shù)
#統(tǒng)計用戶消費次數(shù)
pivoted_counts=df.pivot_table(index='user_id',columns='month',values='order_dt',aggfunc='count').fillna(0)
columns_month=df.month.dt.date.sort_values().unique()
pivoted_counts.columns=columns_month
pivoted_counts.head()
| user_id | 2019-03-01 | 2019-04-01 | 2019-05-01 | 2019-06-01 | 2019-07-01 | 2019-08-01 | 2019-09-01 | 2019-10-01 | 2019-11-01 | 2019-12-01 | 2020-01-01 | 2020-02-01 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| vs10000005 | 2.00 | 0.00 | 3.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 1.00 | 0.00 | 0.00 |
| vs10000621 | 6.00 | 17.00 | 19.00 | 20.00 | 17.00 | 5.00 | 2.00 | 18.00 | 18.00 | 21.00 | 16.00 | 10.00 |
| vs10000627 | 0.00 | 0.00 | 0.00 | 0.00 | 2.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 |
| vs10000716 | 0.00 | 0.00 | 0.00 | 0.00 | 14.00 | 19.00 | 24.00 | 12.00 | 30.00 | 15.00 | 12.00 | 5.00 |
| vs10000743 | 1.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 |
復(fù)購率分析
復(fù)購率的定義是在某時間窗口內(nèi)消費兩次及以上的用戶在總消費用戶中占比。這里的時間窗口是月，如果一個用戶在同一天下了兩筆訂單，這里也將他算作復(fù)購用戶。
消費兩次及以上記為1，消費一次記為0，沒有消費記為NaN。
pivoted_counts.transf=pivoted_counts.applymap(lambda x:1 if x>1 else np.NaN if x==0 else 0)
pivoted_counts.transf.head()
| user_id | 2019-03-01 | 2019-04-01 | 2019-05-01 | 2019-06-01 | 2019-07-01 | 2019-08-01 | 2019-09-01 | 2019-10-01 | 2019-11-01 | 2019-12-01 | 2020-01-01 | 2020-02-01 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| vs10000005 | 1.00 | nan | 1.00 | nan | nan | nan | nan | nan | nan | 0.00 | nan | nan |
| vs10000621 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 |
| vs10000627 | nan | nan | nan | nan | 1.00 | nan | nan | nan | nan | nan | nan | nan |
| vs10000716 | nan | nan | nan | nan | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 |
| vs10000743 | 0.00 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan |
month_counts_reorder_rate=pivoted_counts.transf.sum()/pivoted_counts.transf.count()
plt.plot(month_counts_reorder_rate)
plt.title('每月用戶復(fù)購率圖')
plt.xlabel('時間(月)')
plt.ylabel('百分比')
output_42_1.png
說明：3月至6月新用戶加入數(shù)量較少，拉高了復(fù)購率。在大量新用戶加入并流失的8月的復(fù)購率較低。而在后期，這時的用戶都是大浪淘沙剩下的老客，復(fù)購率繼續(xù)上升。
a,b=plt.subplots(figsize=(10,6))
b.plot(pivoted_counts.transf.count())
b.plot(pivoted_counts.transf.sum())
legends=['消費人數(shù)','二次消費以上用戶人數(shù)']
b.legend(legends)
plt.title('每月消費和二次消費以上用戶人數(shù)')
plt.xlabel('時間(月)')
plt.ylabel('用戶數(shù)')
output_44_1.png
回購率分析
回購率是某一個時間窗口內(nèi)消費的用戶，在下一個時間窗口仍舊消費的占比。比如1月消費用戶1000，他們中有300個2月依然消費，回購率是30%。
pivoted_amount=df.pivot_table(index='user_id',columns='month',values='order_amount',aggfunc='mean').fillna(0)
columns_month=df.month.dt.date.sort_values().unique()
pivoted_amount.columns=columns_month
pivoted_amount.head()
| user_id | 2019-03-01 | 2019-04-01 | 2019-05-01 | 2019-06-01 | 2019-07-01 | 2019-08-01 | 2019-09-01 | 2019-10-01 | 2019-11-01 | 2019-12-01 | 2020-01-01 | 2020-02-01 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| vs10000005 | 25.00 | 0.00 | 19.67 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 80.00 | 0.00 | 0.00 |
| vs10000621 | 414.00 | 20.00 | 20.00 | 20.00 | 17.65 | 20.00 | 20.00 | 20.00 | 20.00 | 20.00 | 20.00 | 20.00 |
| vs10000627 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 |
| vs10000716 | 0.00 | 0.00 | 0.00 | 0.00 | 20.00 | 41.84 | 10.83 | 15.00 | 15.33 | 20.00 | 20.00 | 20.20 |
| vs10000743 | 20.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 |
#統(tǒng)計會員用戶是否回購
pivoted_purchase=pivoted_amount.applymap(lambda x:1 if x>1 else 0)
pivoted_purchase.head()
| user_id | 2019-03-01 | 2019-04-01 | 2019-05-01 | 2019-06-01 | 2019-07-01 | 2019-08-01 | 2019-09-01 | 2019-10-01 | 2019-11-01 | 2019-12-01 | 2020-01-01 | 2020-02-01 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| vs10000005 | 1 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 |
| vs10000621 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
| vs10000627 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| vs10000716 | 0 | 0 | 0 | 0 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 |
| vs10000743 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
def purchase_return(data):
status = []
for i in range(11):
if data[i] >= 1:
if data[i + 1] >= 1:
status.append(1)
else:
status.append(0)
else:
status.append(np.NaN)
status.append(np.NaN)
return pd.Series(status)
pivoted_purchase_return = pivoted_purchase.apply(purchase_return,axis=1)
pivoted_purchase_return.columns=columns_month
pivoted_purchase_return .head()
| user_id | 2019-03-01 | 2019-04-01 | 2019-05-01 | 2019-06-01 | 2019-07-01 | 2019-08-01 | 2019-09-01 | 2019-10-01 | 2019-11-01 | 2019-12-01 | 2020-01-01 | 2020-02-01 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| vs10000005 | 0.00 | nan | 0.00 | nan | nan | nan | nan | nan | nan | 0.00 | nan | nan |
| vs10000621 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | nan |
| vs10000627 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan |
| vs10000716 | nan | nan | nan | nan | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | 1.00 | nan |
| vs10000743 | 0.00 | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan | nan |
pivoted_purchase_return_rate=pivoted_purchase_return.sum()/pivoted_purchase_return.count()
plt.plot(pivoted_purchase_return_rate)
plt.title('12個月內(nèi)用戶回購率圖')
plt.xlabel('時間(月)')
plt.ylabel('百分比')
plt.xticks(rotation=90)
output_50_1.png
a,b=plt.subplots(figsize=(10,6))
b.plot(pivoted_purchase_return.count())
b.plot(pivoted_purchase_return.sum())
legends=['每月消費人數(shù)','每月回購人數(shù)']
b.legend(legends)
plt.title('每月消費和每月回購人數(shù)')
plt.xlabel('時間(月)')
plt.ylabel('用戶數(shù)')
output_51_1.png
a,b=plt.subplots(figsize=(10,6))
b.plot(pivoted_purchase_return_rate)
b.plot(month_counts_reorder_rate)
legends=['每月回購率','每月復(fù)購率']
b.legend(legends)
plt.title('每月回購率和每月復(fù)購率')
plt.xlabel('時間(月)')
plt.ylabel('百分比')
output_52_1.png
說明：大體上，每月用戶的復(fù)購率高于回購率，波動性也較強。新用戶的回購率在30%左右，和老客差異不大。
數(shù)據(jù)分析-用戶行為中層分析
RFM分層
user_rfm=df.pivot_table(index='user_id',values=['order_dt','order_products','order_amount'],aggfunc={'order_dt':'max','order_products':'count','order_amount':'sum'})
user_rfm.head()
| user_id | order_amount | order_dt | order_products |
|---|---|---|---|
| vs10000005 | 189 | 2019-12-27 | 6 |
| vs10000621 | 5704 | 2020-02-28 | 169 |
| vs10000627 | 0 | 2019-07-23 | 2 |
| vs10000716 | 2616 | 2020-02-28 | 131 |
| vs10000743 | 20 | 2019-03-15 | 1 |
user_rfm['period']=(user_rfm.order_dt.max()-user_rfm.order_dt)/np.timedelta64(1,'D')
user_rfm=user_rfm.rename(columns={'period':'R','order_products':'F','order_amount':'M'})
user_rfm.head()
| user_id | M | order_dt | F | R |
|---|---|---|---|---|
| vs10000005 | 189 | 2019-12-27 | 6 | 63.00 |
| vs10000621 | 5704 | 2020-02-28 | 169 | 0.00 |
| vs10000627 | 0 | 2019-07-23 | 2 | 220.00 |
| vs10000716 | 2616 | 2020-02-28 | 131 | 0.00 |
| vs10000743 | 20 | 2019-03-15 | 1 | 350.00 |
#定義分層函數(shù)
def rfm_func(x):
level=x.apply(lambda x:'1' if x>=0 else '0')
label=level.R+level.F+level.M
d={'111':'高價值客戶','011':'重點保持客戶',
'101':'重點發(fā)展客戶','001':'重點挽留客戶',
'110':'一般價值客戶','010':'一般保持客戶',
'100':'一般發(fā)展客戶','000':'潛在客戶'}
result=d[label]
return result
user_rfm['label']=user_rfm[['R','F','M']].apply( lambda x:x-x.mean()).apply(rfm_func,axis=1)
user_rfm.head()
| user_id | M | order_dt | F | R | label |
|---|---|---|---|---|---|
| vs10000005 | 189 | 2019-12-27 | 6 | 63.00 | 重點挽留客戶 |
| vs10000621 | 5704 | 2020-02-28 | 169 | 0.00 | 重點保持客戶 |
| vs10000627 | 0 | 2019-07-23 | 2 | 220.00 | 一般發(fā)展客戶 |
| vs10000716 | 2616 | 2020-02-28 | 131 | 0.00 | 重點保持客戶 |
| vs10000743 | 20 | 2019-03-15 | 1 | 350.00 | 一般發(fā)展客戶 |
user_rfm.groupby('label').count()
| label | M | order_dt | F | R |
|---|---|---|---|---|
| 一般保持客戶 | 3 | 3 | 3 | 3 |
| 一般發(fā)展客戶 | 146 | 146 | 146 | 146 |
| 潛在客戶 | 63 | 63 | 63 | 63 |
| 重點保持客戶 | 24 | 24 | 24 | 24 |
| 重點發(fā)展客戶 | 2 | 2 | 2 | 2 |
| 重點挽留客戶 | 2 | 2 | 2 | 2 |
| 高價值客戶 | 7 | 7 | 7 | 7 |
user_rfm.groupby('label').sum()
| label | M | F | R |
|---|---|---|---|
| 一般保持客戶 | 352 | 34 | 98.00 |
| 一般發(fā)展客戶 | 2653 | 272 | 28793.00 |
| 潛在客戶 | 1723 | 125 | 6377.00 |
| 重點保持客戶 | 32494 | 1416 | 846.00 |
| 重點發(fā)展客戶 | 2091 | 5 | 575.00 |
| 重點挽留客戶 | 2919 | 9 | 165.00 |
| 高價值客戶 | 3856 | 152 | 1429.00 |
from matplotlib import font_manager as fm #字體管理器
from matplotlib import cm#
proptease = fm.FontProperties()
proptease.set_size('medium')
labelindex =user_rfm.groupby('label').count().index
labelvalues =user_rfm.groupby('label')['M'].count().tolist()
s = pd.Series(labelvalues, index=labelindex )
labels = s.index
sizes = s.values
explode = (0,0,0,0,0.1,0.1,0.2) # only "explode" the 1st slice
fig, axes = plt.subplots(1,2,figsize=(10,6))
ax1,ax2 = axes.ravel()#結(jié)合ravel()函數(shù)列出所有子圖
colors = cm.rainbow(np.arange(len(sizes))/len(sizes))# # 隨機生成顏色
# patches：餅片。texts：分類標簽的文本列表。autotexts：百分比部分的文本列表
patches, texts, autotexts = ax1.pie(sizes, labels=labels, autopct='%1.0f%%',explode=explode,
shadow=False, startangle=170, colors=colors, labeldistance=1.2,pctdistance=1.05, radius=0.4)
ax1.axis('equal')#將餅圖顯示為正圓形
plt.setp(texts, fontproperties=proptease)
# 設(shè)置百分比文本樣式
for i in autotexts:
i.set_size('large')
ax1.set_title('用戶分層結(jié)構(gòu)餅狀圖', loc='center')
ax2.axis('off')#關(guān)閉所有坐標軸線、刻度標記和標簽
ax2.legend(patches, labels, loc='center left',fontsize=10)
plt.tight_layout()#tight_layout會自動調(diào)整子圖參數(shù)，使之填充整個圖像區(qū)域
output_61_0.png
分析：從用戶分層結(jié)果可知，一般發(fā)展客戶占了較大的比重，為59%，潛在客戶排第二位，占比26%。
總分層分析
按照用戶的消費行為，簡單劃分成幾個維度：新用戶、活躍用戶、不活躍用戶、回流用戶。
新用戶(new)的定義是第一次消費。
活躍用戶(active)即老客，在某一個時間窗口內(nèi)有過消費。
不活躍用戶(unactive)則是時間窗口內(nèi)沒有消費過的老客。
回流用戶(return)是在上一個窗口中沒有消費，而在當前時間窗口內(nèi)有過消費。
以上的時間窗口都是按月統(tǒng)計。
def active_status(data):
status = []
for i in range(12):
#若本月沒有消費
if data[i] == 0:
if len(status) > 0:
if status[i-1] == 'unreg': #未注冊
status.append('unreg')
else:
status.append('unactive')
else:
status.append('unreg')
#若本月有消費
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 pd.Series(status)
pivoted_purchase_status = pivoted_purchase.apply( lambda x:active_status(x),axis=1)
pivoted_purchase_status.columns=columns_month
pivoted_purchase_status .head()
| user_id | 2019-03-01 | 2019-04-01 | 2019-05-01 | 2019-06-01 | 2019-07-01 | 2019-08-01 | 2019-09-01 | 2019-10-01 | 2019-11-01 | 2019-12-01 | 2020-01-01 | 2020-02-01 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| vs10000005 | new | unactive | return | unactive | unactive | unactive | unactive | unactive | unactive | return | unactive | unactive |
| vs10000621 | new | active | active | active | active | active | active | active | active | active | active | active |
| vs10000627 | unreg | unreg | unreg | unreg | unreg | unreg | unreg | unreg | unreg | unreg | unreg | unreg |
| vs10000716 | unreg | unreg | unreg | unreg | new | active | active | active | active | active | active | active |
| vs10000743 | new | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive |
pivoted_status_counts=pivoted_purchase_status.replace('unreg',np.NaN).apply(lambda x:pd.value_counts(x))
pivoted_status_counts
| 2019-03-01 | 2019-04-01 | 2019-05-01 | 2019-06-01 | 2019-07-01 | 2019-08-01 | 2019-09-01 | 2019-10-01 | 2019-11-01 | 2019-12-01 | 2020-01-01 | 2020-02-01 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| active | nan | 7.00 | 9 | 16.00 | 20.00 | 18.00 | 11 | 12 | 15 | 14 | 16 | 10 |
| new | 13.00 | 2.00 | 8 | 9.00 | 17.00 | 17.00 | 10 | 9 | 6 | 7 | 7 | 1 |
| return | nan | nan | 1 | nan | nan | nan | 4 | 5 | 1 | 4 | 2 | 3 |
| unactive | nan | 6.00 | 5 | 7.00 | 12.00 | 31.00 | 51 | 59 | 69 | 73 | 80 | 92 |
plt.plot(pivoted_status_counts.T)
plt.title('每月各種用戶類型占比折線圖')
plt.legend(pivoted_status_counts.index)
plt.xlabel('時間(月)')
plt.ylabel('用戶數(shù)')
output_66_1.png
分析：黑色的不活躍用戶占了較大的比重。紅色的活躍用戶較穩(wěn)定，其與紫色的回流用戶相加大抵是本月消費人數(shù)。
回流用戶及活躍用戶分析
return_rate=pivoted_status_counts.apply(lambda x:x/x.sum(),axis=1)
plt.plot(return_rate.loc[['active','return'],].T)
plt.title('每月活躍用戶、回流用戶占比')
plt.xlabel('時間(月)')
plt.ylabel('百分數(shù)')
plt.xticks(rotation=90)
output_69_1.png
說明：結(jié)合回流用戶和活躍用戶看，在后期的消費用戶中，70%是回流用戶，30%是活躍用戶，整體質(zhì)量還好。
數(shù)據(jù)分析-用戶質(zhì)量分析
總質(zhì)量分析
user_amount=df.groupby('user_id').order_amount.sum().sort_values().reset_index()
user_amount['amount_cumsum']=user_amount.order_amount.cumsum()
user_amount.tail()
| user_id | order_amount | amount_cumsum | |
|---|---|---|---|
| 242 | vs10000716 | 2616 | 29735 |
| 243 | vs10000775 | 2730 | 32465 |
| 244 | vs30026748 | 3296 | 35761 |
| 245 | vs30029475 | 4623 | 40384 |
| 246 | vs10000621 | 5704 | 46088 |
amount_total=user_amount.amount_cumsum.max()
user_amount['prop'] = user_amount.amount_cumsum.apply(lambda x:x/amount_total)
plt.plot(user_amount.prop )
plt.title('用戶累計貢獻金額百分比')
plt.xlabel('人數(shù)')
plt.ylabel('百分數(shù)')
output_74_1.png
說明：此次數(shù)據(jù)集用戶總共247人，可見其中47人(約占總?cè)藬?shù)的19%)貢獻了超過80%的銷售金額。
數(shù)據(jù)分析-用戶生命周期分析
第一生命周期
#各會員首次、最后一次消費時間間隔
order_dt_min=df.groupby('user_id').order_dt.min()
order_dt_max=df.groupby('user_id').order_dt.max()
life_time=(order_dt_max-order_dt_min).reset_index()
life_time.head()
| user_id | order_dt | |
|---|---|---|
| 0 | vs10000005 | 273 days |
| 1 | vs10000621 | 351 days |
| 2 | vs10000627 | 1 days |
| 3 | vs10000716 | 238 days |
| 4 | vs10000743 | 0 days |
life_time.describe()
| order_dt | |
|---|---|
| count | 247 |
| mean | 32 days 03:59:01.700404 |
| std | 73 days 19:15:10.251372 |
| min | 0 days 00:00:00 |
| 25% | 0 days 00:00:00 |
| 50% | 1 days 00:00:00 |
| 75% | 13 days 00:00:00 |
| max | 351 days 00:00:00 |
分析：由描述可知，所有用戶的平均生命周期是32天，中位數(shù)是1天，即存在50%的客戶首次消費即最后一次消費。
最大值351天，即本數(shù)據(jù)集的總天數(shù)，說明存在從開始到最后都消費的高質(zhì)量用戶。
((order_dt_max-order_dt_min)/np.timedelta64(1,'D')).hist(bins=15)
plt.title('用戶生命周期直方圖')
plt.xlabel('天數(shù)')
plt.ylabel('人數(shù)')
output_81_1.png
消費兩次以上的用戶生命周期
life_time['life_time']=life_time.order_dt/np.timedelta64(1,'D')
life_time[life_time.life_time>0].life_time.hist(bins=15)#排除僅消費一次的客戶
plt.title('二次消費以上用戶生命周期直方圖')
plt.xlabel('天數(shù)')
plt.ylabel('人數(shù)')
output_83_1.png
life_time[life_time.life_time>0].life_time.describe()
count 155.00
mean 51.26
std 87.84
min 1.00
25% 2.00
50% 7.00
75% 53.50
max 351.00
Name: life_time, dtype: float64
分析：二次消費以上用戶生命周期為51天，略高于總體。從策略上看，用戶首次消費后應(yīng)該引導(dǎo)其再次消費。
數(shù)據(jù)分析-用戶留存率分析
#留存率指用戶在第一次消費后，有多少比率進行第二次消費。和回流率的區(qū)別是留存傾向于計算第一次消費，并且有多個時間窗口。
user_purchase_retention=pd.merge(left=df,right=order_dt_min.reset_index(),how='inner',on='user_id',suffixes=('','_min'))
user_purchase_retention['date_diff']=(user_purchase_retention.order_dt-user_purchase_retention.order_dt_min)/np.timedelta64(1,'D')
bin=[0,30,60,90,120,150,180,365]
user_purchase_retention['date_diff_bin']=pd.cut(user_purchase_retention['date_diff'],bins=bin)
user_purchase_retention.head(10)
| user_id | order_dt | order_products | order_amount | month | order_dt_min | date_diff | date_diff_bin |
|---|---|---|---|---|---|---|---|
| vs30033073 | 2020-01-17 | 1 | 20 | 2020-01-01 | 2019-09-23 | 116.00 | (90, 120] |
| vs30033073 | 2019-11-29 | 2 | 20 | 2019-11-01 | 2019-09-23 | 67.00 | (60, 90] |
| vs30033073 | 2019-11-13 | 2 | 20 | 2019-11-01 | 2019-09-23 | 51.00 | (30, 60] |
| vs30033073 | 2019-12-24 | 2 | 20 | 2019-12-01 | 2019-09-23 | 92.00 | (90, 120] |
| vs30033073 | 2019-10-29 | 2 | 20 | 2019-10-01 | 2019-09-23 | 36.00 | (30, 60] |
| vs30033073 | 2020-01-07 | 2 | 20 | 2020-01-01 | 2019-09-23 | 106.00 | (90, 120] |
| vs30033073 | 2019-12-09 | 2 | 20 | 2019-12-01 | 2019-09-23 | 77.00 | (60, 90] |
| vs30033073 | 2020-01-06 | 1 | 20 | 2020-01-01 | 2019-09-23 | 105.00 | (90, 120] |
| vs30033073 | 2019-11-01 | 2 | 20 | 2019-11-01 | 2019-09-23 | 39.00 | (30, 60] |
| vs30033073 | 2019-10-21 | 2 | 20 | 2019-10-01 | 2019-09-23 | 28.00 | (0, 30] |
pivoted_retention=user_purchase_retention.pivot_table(index='user_id',columns='date_diff_bin',values='order_amount',aggfunc=sum,dropna=False)
pivoted_retention.head()
| user_id | (0,30] | (30,60] | (60,90] | (90,120] | (120,150] | (150,180] | (180,365] |
|---|---|---|---|---|---|---|---|
| vs10000005 | nan | 59 | nan | nan | nan | nan | 80 |
| vs10000621 | 240 | 300 | 420 | 400 | 200 | 40 | 1700 |
| vs10000627 | 0 | nan | nan | nan | nan | nan | nan |
| vs10000716 | 280 | 795 | 240 | 220 | 440 | 280 | 341 |
| vs10000743 | nan | nan | nan | nan | nan | nan | nan |
pivoted_retention.mean()
date_diff_bin
(0, 30] 52.70
(30, 60] 148.62
(60, 90] 171.52
(90, 120] 307.59
(120, 150] 112.90
(150, 180] 111.60
(180, 365] 700.36
dtype: float64
pivoted_retention.transf=pivoted_retention.fillna(0).applymap(lambda x:1 if x>0 else 0)
(pivoted_retention.transf.sum()/pivoted_retention.transf.count()).plot.bar()
plt.title('各時間段的用戶留存率')
plt.xlabel('時間跨度(天)')
plt.ylabel('百分數(shù)')
output_90_2.png
分析：第一個月的留存率約超過17.5%,第二個月下降至15%,之后幾個月穩(wěn)定在6%左右，說明后面幾個月流失率較大 。
數(shù)據(jù)分析-決策分析
平均購買周期：用戶兩次消費行為的時間間隔。
def diff(group):
d=group.date_diff.shift(-1)-group.date_diff
return d
last_diff=user_purchase_retention.sort_values("order_dt").reset_index().groupby('user_id').apply(diff)
last_diff.head(10)
user_id
vs10000005 31 0.00
34 42.00
158 1.00
160 0.00
161 230.00
1715 nan
vs10000621 2 0.00
3 11.00
22 1.00
26 1.00
Name: date_diff, dtype: float64
last_diff.describe()
count 1766.00
mean 4.50
std 14.03
min 0.00
25% 1.00
50% 1.00
75% 4.00
max 230.00
Name: date_diff, dtype: float64
說明：可知用戶的平均消費間隔時間是4.5天。想要召回用戶，在4.5天左右的消費間隔是比較好的。
last_diff.hist(bins=15)
plt.title('用戶平均購買周期直方圖')
plt.xlabel('時間跨度(天)')
plt.ylabel('百分數(shù)')
output_96_1.png
說明：典型的長尾分布，大部分用戶的消費間隔比較短。
