由于有之前的项目，所以今天我们直接开始，不做需求分析，还不会需求分析的可以看我之前的文章。Python实战项目——用户消费行为数据分析（三）

导入库

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
plt.rcParams['font.sans-serif']=['SimHei']# 用来正常显示中文标签
from datetime import datetime

1.初识数据

df = pd.read_csv('kelu.csv')
df.info()
df.head()

• 基本信息：门票价格101，数据来自16年~19年，8K+多数据量

df.describe()

• 根据平均分92，和1/2分位得知，大多数用户评分在100，效果非常不错。
• 16年~19年门票价格都是110

2.分析数据

a1.每天销量分析

df['time'] = pd.to_datetime(df['time'],format='%Y/%m/%d')
df.groupby('time')['rating'].count().plot(figsize=(12,4))

• 整体来看每日销量呈现上升趋势，但是在18年5月份前后（2，3，4）出现一次较大的波动，销量急剧下滑，猜测：台风，疫情，运营推广不利
• 16年9月~17年1月，销量非常低，每天平均2-3张门票，猜测：101观景台门票刚刚上线发售，观景台刚刚对游客进行开放

a2.每月销量分析

df['month'] = df['time'].values.astype('datetime64[M]')  #保留月份精度的日期
df.head()
df.groupby('month')['rating'].count().plot(figsize=(12,4))  #按照月份进度进行计数
plt.xlabel('月份')
plt.ylabel('销售数量')
plt.title('16~19年每月销量分析')

月份整体销量依然呈现上升趋势，但是在18年2，3，4月份月销量下滑明显。跟每天销量下降有关。猜测：台风，疫情，运营推广不利

a3.每个用户的购买量和消费金额分析

merge用法，相当于sql当中join：

df1 = pd.DataFrame({'name':['zhangsan','lisi'],'group':['A','B']
})
df2 =  pd.DataFrame({'name':['wangwu','lisi'],'score':[88,90],'group':['C','D']
})
pd.merge(left=df1,right=df2,on='name',how='inner',suffixes=['_1','_2'])

left：左表 right:右表 on：关联字段 how：inner（默认值，交集）|outer（并集）|left（只保留左侧）|right（只保留右侧）
#suffixes:如果两个表中有多个相同列，用suffixes给的值进行区分(默认值xy)

#按照游客分组，统计每个游客的购买次数
grouped_count_author = df.groupby('author')['frequency'].count().reset_index() 
#按照游客分组，统计每个游客的消费金额
grouped_sum_amount = df.groupby('author')['amount'].sum().reset_index()
user_purchase_retention = pd.merge(left=grouped_count_author,right=grouped_sum_amount,on='author',how='inner')
user_purchase_retention.tail(60)
user_purchase_retention.plot.scatter(x='frequency',y='amount',figsize=(12,4))
plt.title('用户的购买次数和消费金额关系图')
plt.xlabel('购物次数')
plt.ylabel('消费金额')

结论：斜率就是门票价格110，用户的消费金额和消费次数呈现线性关系

b1.用户购买门票数量分析

df.groupby('author')['frequency'].count().plot.hist(bins=50)  #影响柱子的宽度，宽度= （最大值-最小值）/bins
plt.xlim(1,17)
plt.xlabel('购买数量')
plt.ylabel('人数')
plt.title('用户购买门票数量直方图')

• 绝大多数用户购买过1张门票，用户在7000人次左右
• 少数人购买过2~4张门票，猜测：可能是台北周边用户

b2.用户购买门票2次及以上情况分析

df_frequency_2 = df.groupby('author').count().reset_index()
df_frequency_2.head()
df_frequency_2[df_frequency_2['frequency']>=2].groupby('author')['frequency'].sum().plot.hist(bins=50)
plt.xlabel('购买数量')
plt.ylabel('人数')
plt.title('购买门票在2次及以上的用户数量')

消费两次的用户在整体上占比较大，大于2次的用户占小部分，用户购买次数最多为8次

b3.查看购买2次及以上的具体人数

df_frequency_2[df_frequency_2['frequency']>=2].groupby('frequency')['author'].count()

出去购买一次的顾客，可以看出购买2次有402人，购买3次的99人，以此类推得知大多数据倾向于购买2~5

b4.购买次数在1~5次之间的用户占比分析

1.按照用户进行分组 2.取出购买次数 3.过滤出1~5次用户 4.绘制饼图

df_frequency_gte_1 = df.groupby('author')['frequency'].count().reset_index()
#过滤出<=5次的用户
values = list(df_frequency_gte_1[df_frequency_gte_1['frequency']<=5].groupby('frequency')['frequency'].count())
print(values)
plt.pie(values,labels=['购买1次','购买2次','购买3次','购买4次','购买5次'],autopct='%1.1f%%')
plt.title('购买次数在1~5次之间的人数占比')
plt.legend()

可以看出购买一次的占比83%，其次逐渐递减。并且递减比较明显，购买3.4.5的占比相近，人数都很少。

b5.购买次数在2~5次之间的用户占比分析

#过滤出>=2次并且<=5次的用户
df_frequency_gte_2 = df_frequency_2[df_frequency_2['frequency']>=2].reset_index()
values = list(df_frequency_gte_2[df_frequency_gte_2['frequency']<=5].groupby('frequency')['frequency'].count())
print(values)
plt.pie(values,labels=['购买2次','购买3次','购买4次','购买5次'],autopct='%1.1f%%')
plt.title('购买次数在2~5次之间的人数占比')
plt.legend()

在2~5次之间，购买2.3次用户占比最大，综合占据了80%

c1.复购率分析

复购率：在某一时间窗口内(多指一个月)内消费次数在两次及以上的用户在总消费用户的占比

df.head()
pivot_count = df.pivot_table(index='author',columns='month',values='frequency',aggfunc='count').fillna(0)
pivot_count.head()
#三种情况：
#消费次数>1，为复购用户，用1表示
#消费次数=1，为非复购用户，用0表示
#消费次数=0, 未消费用户，用na表示
#applymap:df，处理每一个元素
#apply:df，处理每一行或者每一列数据
#map:Serise，处理每一个元素
pivot_count = pivot_count.applymap(lambda x: 1 if x>1 else np.NAN  if x==0 else 0)
# pivot_count[pivot_count['2016-09-01']==1]
(pivot_count.sum()/pivot_count.count()).plot()
plt.xlabel('时间(月)')
plt.ylabel('百分比(%)')
plt.title('16~19年每月用户复购率')

16年9月份复购率最高达到了7.5%，然后开始下降，趋于平稳在1.2%

c2.复购用户人数

pivot_count.sum().plot()
plt.xlabel('时间/月')
plt.ylabel('复购人数')
plt.title('16~19年每月的复购人数折线图'

• 整体来看，复购人数长线上升趋势
• 但是在18年2.3.4.10和19年2月份，复购人数下降较为明显，出现异常信号，需要和业务部门具体分析情况

c3.回购率分析

回购率：在某一个时间窗口内消费过的用户，在下一个时间窗口仍旧消费的占比。
举个例子：当前月消费用户人数1000人，其中200人在下一个月仍旧进行了消费，回购率200/1000=20%

pivot_purchase = df.pivot_table(index='author',columns='month',values='frequency',aggfunc='count').fillna(0)
pivot_purchase.head()
len(pivot_purchase.columns)

def purchase_return(data): #data:代表的是每一名游客的所有月份消费记录status = [] #存储每一个月回购状态for i in range(30):#遍历每一个月（最后一个月除外）####本月消费if data[i] == 1:if data[i+1] ==1:#下个月有消费，是回购用户，1status.append(1)else:#na|未消费status.append(0) #非回购用户，0else: ####本月未消费status.append(np.NaN)status.append(np.NaN)return pd.Series(status,pivot_purchase.columns)
pivot_purchase_return = pivot_purchase.apply(purchase_return,axis=1)  #用户回购状态
(pivot_purchase_return.sum()/pivot_purchase_return.count()).plot()
plt.title('16年~19年每月的回购率')
plt.xlabel('月份')
plt.ylabel('回购率%')

• 回购率最高在18年6月份，达到4%
• 整体来看，回购率呈现微弱上升趋势
• 出现了几次较大下滑，分别是17年6月份，18年1月份，18年8月份，19年1月份

c4.回购人数分析

pivot_purchase_return.sum().plot()
plt.title('16年~19年每月的回购人数')
plt.xlabel('月份')
plt.ylabel('回购人数')
print(pivot_purchase_return.sum())

• 整体呈现上升趋势，回购人数最多时在18年11月份，人数未17人
• 其中有几次回购人数下降较为明显，主要在分别是17年6月份，18年1月份，18年8月份，19年1月份

c5.每个月分层用户占比情况

活跃用户|不活跃用户|回流用户|新用户

def active_status(data): #data：每一行数据（共31列）status = [] #存储用户31个月的状态（new|active|unactive|return|unreg）for i in range(31):#判断本月没有消费==0if data[i] ==0:if len(status)==0: #前几个月没有任何记录（也就是97年1月==0）status.append('unreg')  else:#之前的月份有记录（判断上一个月状态）if status[i-1] =='unreg':#一直没有消费过status.append('unreg')else:#上个月的状态可能是：new|active|unative|reuturnstatus.append('unactive')else:#本月有消费==1if len(status)==0:status.append('new') #第一次消费else:#之前的月份有记录（判断上一个月状态）if status[i-1]=='unactive':status.append('return') #前几个月不活跃，现在又回来消费了，回流用户elif  status[i-1]=='unreg':status.append('new') #第一次消费else:#new|activestatus.append('active') #活跃用户return pd.Series(status,pivot_purchase.columns) #值：status,列名：18个月份
pivot_purchase_status  =pivot_purchase.apply(active_status,axis=1)
pivot_status_count =pivot_purchase_status.replace('unreg',np.NaN).apply(pd.value_counts)
pivot_status_count.T.plot.area()

• 可以看出，红色（不活跃用户）占据网站用户的主体
• 橙色（新用户）从17年的1月~19年1月，呈现上升趋势；但是在18年4月份左右，新用户的量突然急剧下降，异常信号；
• 以后，新用户又开始逐渐上涨，回复稳定状态
• 绿色（回流用户），一直维持稳定稳定状态，但是在18年2~4月份,出现异常下降情况，异常信号；

c6.每月不同用户的占比

return_rate = pivot_status_count.apply(lambda x:x/x.sum())
return_rate.T.plot()

• 在17年1月份过后，网站用户主体由不活跃用户组成，新用户占比开始逐渐下降，并且趋于稳定，稳定在10%左右
• 活跃用户和会用户，一直很稳定，并且占比较小
• 16年9月前后，新用户和不活跃用户，发生较大的变化，猜测：活动或者节假日造成…

c7.每月活跃用户的占比

return_rate.T['active'].plot(figsize=(12,6))
plt.xlabel('时间(月)')
plt.ylabel('百分比')
plt.title('每月活跃用户的占比分析')

• 在17年1月份活跃用户占比较高，在0.5%，但是在1-2月份，急剧下降，猜测：春节的影响，或者温度
• 结合历年1~2月份销量来看，都会出现一定比例的下降，再次验证我们的猜测：春节的影响
• 在18年2月和5月出现异常，门票销量下降，猜测：雨水或者台风影响

c8.每月回流用户占比

return_rate.T['return'].plot(figsize=(12,6))
plt.xlabel('时间(月)')
plt.ylabel('百分比')
plt.title('每月回流用户的占比分析')

• 整体来看，回流用户比例上升趋势，但是波动较大
• 在17年1月和6月，18年4月，19年2月，回流用户比例都出现了较大幅度下降，表现为异常信号
• 不论是回流用户还是活跃用户，在以上几个月份中都表现出下降趋势。

np.mean(return_rate.T['return'])  #回流用户平均值在0.73%左右

• 在17年9月份以后，仅有两个异常点在平均值以下
• 在17年9月份以前，所有数据都显示出回流用户比例低于平均值，猜测：景点开放不久，很多游客尚未发现本景点；本景点在该平台上线不久

d1.用户的生命周期

#计算方式：每一个用户最后一个购买商品的时间——用户第一次购买商品的时间，转换成天数，即为生命周期

time_min = df.groupby('author')['time'].min()
time_max = df.groupby('author')['time'].max()
life_time = (time_max-time_min).reset_index()
life_time.describe()

• 通过原样本8757条和count=7722得知，存在一个用户多次消费的情况
• 平均生命周期天数23天，通过25% 50% 75%分位数得知，绝大多用户生命周期为0天
• 最大生命周期为864天

d2.用户生命周期直方图

#讲日期类型转成数值类型
life_time['life_time'] = life_time['time']/np.timedelta64(1,'D')
life_time['life_time'].plot.hist(bins = 100,figsize=(12,6))
plt.xlabel('天数')
plt.ylabel('人数')
plt.title('所有用户的生命周期直方图')
print(life_time[life_time['life_time']==0])

• 生命周期为0的用户（仅仅在一天内有过消费，之后再没消费过），存在7130个用户
• 由于总用户数为7722，其余592人属于优质的忠诚客户

d3.生命周期大于0天的用户，直方图

life_time[life_time['life_time']>0]['life_time'].plot.hist(bins = 100,figsize=(12,6))
plt.xlabel('天数')
plt.ylabel('人数')
plt.title('生命周期在0天以上的用户分布直方图')
life_time[life_time['life_time']>0]['life_time'].mean()

• 去掉生命周期为0的用户，可知
• 用户平均生命周期为300天,生命周期在100天的用户量达到了最大值17人
• 生命周期在100~350天来看，用户量呈现缓慢下降的趋势
• 350~800天左右来看，用户量下降速度明显，存在一定用户流失，而忠诚用户越来越少

d4.各时间段的用户留存率

#pd.cut()函数
np.random.seed(666)  #保证每次运行程序产生的随机数都是相同的。
score_list = np.random.randint(25,100,size=3)
print(score_list)
bins = [0,59,70,80,100]   #指定多个区间
score_cut = pd.cut(score_list,bins)
score_cut

• 留存率：1-90天_{有多少留存用户。求出用户的留存天数，比如留存天数==89，属于1}90天内的留存用户
• 留存天数计算方式：用户每一次的消费时间分别减去用户第一次消费时间
• left:左表，right：右表，how:连接方式，on：连接字段，suffixes：针对相同列名，指定不同的后缀

user_purchase_retention = pd.merge(left=df,right=time_min.reset_index(),how='inner',on='author',suffixes=('','_min'))#计算留存天数
user_purchase_retention['time_diff'] = user_purchase_retention['time']-user_purchase_retention['time_min']
#将time_diff转成数值
user_purchase_retention['time_diff'] = user_purchase_retention['time_diff'].apply(lambda x:x/np.timedelta64(1,'D'))#生成时间跨度(3个月，即90天)，判断属于哪个区间
bin = [i*90 for i in range(11)]
user_purchase_retention['time_diff_bin'] = pd.cut(user_purchase_retention['time_diff'],bin)#统计每个游客，在不同的时间段内的消费频率和值（便于稍后判断该用户在某个区间内是不是留存用户）
pivot_retention =  user_purchase_retention.groupby(['author','time_diff_bin'])['frequency'].sum().unstack()#判断是否是留存用户（1：留存，0：未留存）
pivot_retention_trans = pivot_retention.fillna(0).applymap(lambda x:1 if x>0 else 0)
#留存率
print(pivot_retention_trans.sum()/pivot_retention_trans.count())
(pivot_retention_trans.sum()/pivot_retention_trans.count()).plot.bar()
plt.xlabel('时间跨度(天)')
plt.ylabel('留存率')
plt.title('各时间段内的用户留存率')

• 如图，每个周期是3个月，第一个周期的留存率在2.2%，前三个周期的递减速度在0.3%左右。
• 在第四五个周期的时候趋于平稳，稳定在留存率1.5%左右
• 从第五个周期开始，留存率明显下降，下降到几乎0%，在第四五周期（1年）的时候，需要采取方法将用户留住进行再次消费。
• 如果在跨度为1年的时候，不召回用户，则就会面临大量用户流失的风险。