分析CDNow的用户消费行为

CDNow网站的用户消费行为分析

本文的数据来源CDNow网站的用户购买明细，一共包括用户ID，购买日期，购买数量，购买金额四个字段。
【数据源】百度网盘链接：https://pan.baidu.com/s/1I3EF8wKaFvCrJmM0Sviqew
提取码：p345

分析思路

1. 导入和清洗数据
2. 按月分析用户消费趋势
3. 用户个体消费分析
4. 用户消费行为分析

1.导入清洗数据

1.1导入常用第三方包

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.style.use('ggplot')

数据集来源于CDnow网站的用户购买行为，数据集一共包含四个字段：

user_id: 用户ID
order_dt: 购买日期
order_products: 购买产品数量
order_amount: 购买金额

1.2导入数据

columns=['user_id','order_dt','order_products','order_amount'] #创建列表columns来放置列名
df=pd.read_csv(r'C:\Users\me\Desktop\CDNOW_master.txt',names=columns,sep='\s+') #读取文件，names设定创建列名，分隔符设定\s+，表示多个空格

加载包和数据，文件是txt，用read_csv方法打开，因为原始数据不包含表头，所以需要赋予。字符串是空格分割，用\s+表示匹配任意空白符。

print(df.head()) #查看数据前6行

观察数据，order_dt表示时间，但现在是字符串的形式，后续分析需要对其进行转换为时间类型。另外购买金额的数据类型为浮点型。
值得注意的是，这些数值都不具有唯一性，比如一个用户在一天内可能购买多次，用户ID为2的用户就在1月12日买了两次，这个细节不要遗漏。

查看数据类型

print(df.info())

用df.info()函数来查看数据表的基本信息（维度、列名称、数据格式、所占空间等），运行结果显示没有空值，很干净的数据。

查看描述性统计

print(df.describe())

描述性统计分析结果得出，用户平均每笔订单购买2.4个商品，标准差在2.3，稍稍具有波动性。中位数在2个商品，75%分位数在3个商品，说明绝大部分订单的购买量都不多。最大值在99个，数字比较高。购买金额的情况差不多，大部分订单都集中在小额，。

一般而言，消费类的数据分布，都是长尾形态。大部分用户都是小额，然而小部分用户贡献了收入的大头，俗称二八分布。

时间转换

df['order_dt']=pd.to_datetime(df.order_dt,format="%Y%m%d") #转换为时间类型
df['month']=df.order_dt.values.astype('datetime64[M]') #创建新的列，显示购买月份
print(df.head())

pd.to_datetime可以将特定的字符串或者数字转换成时间格式，其中的format参数用于匹配。例如19970101，%Y匹配前四位数字1997，如果y小写只匹配两位数字97，%m匹配01，%d匹配01。

另外，小时是%h，分钟是%M，注意和月的大小写不一致，秒是%s。若是1997-01-01这形式，则是%Y-%m-%d，以此类推。上图是转化后的格式。月份依旧显示日，只是变为月初的形式。

astype也可以将时间格式进行转换，在转换前，必须先用values转为数组。本文室使用datetime64[M]将其转化成月份。后续分析我们将以月份作为主要单位，对数据进行分析。

2.按月分析用户消费趋势

1. 每位用户的消费情况
2. 每月的消费总金额
3. 每月的消费次数
4. 每月的产品购买量
5. 每月的消费人数

2.1 每位用户的消费情况

按用户对数据进行聚合

user_consume=df.groupby('user_id').sum()[['order_products','order_amount']]
print(df.head()) 

user_consume.describe()

从用户角度看，每位用户平均购买7张CD，最多的用户购买了1033张，属于狂热用户了。用户的平均消费金额（客单价）100元，标准差是240，结合分位数和最大值看，平均值和75%分位数更接近，应该是存在小部分的高额消费用户。

2.2 每月的消费总金额

order_month_amount=df.groupby('month').order_amount.sum()
print(order_month_amount.head())

月份-消费总金额关系折线图

order_month_amount.plot()
plt.show()

由上图可知，前三个月的销量上涨很快，数据较为异常。而从第四个月开始显著下降，后续的销量整体比较稳定，呈轻微下降趋势。

2.3 每月的消费总金额

月份-消费次数关系折线图

order_month_products=df.groupby('month').order_products.sum().plot()
plt.show()

由上图可知，前三个月产品购买量逐步上升，然后急剧下降趋向平稳。我们假设是用户身上出了问题，早期时间段的用户中有异常值，第二假设是各类促销营销，但这里只有消费数据，所以无法判断。

2.4 每月的消费人数

grouped_month=df.groupby('month')  #按月分组
grouped_month.user_id.apply(lambda x:len(x.drop_duplicates())).plot() #先对user_id去重，再用len行进行计数，得到人数
plt.show()

由上表可知，前三个月消费人数约在8000-10000人。后续月份消费人数急剧下降，并趋向稳定。

2.5 每月用户的平均消费金额

(order_month_amount/grouped_month.user_id.apply(lambda x : len(x.drop_duplicates()))).plot()
plt.show()

2.6 每月用户的平均消费次数

(grouped_month.user_id.count()/grouped_month.user_id.apply(lambda x : len(x.drop_duplicates()))).plot() #订单数应该用count计数，不能用sum
plt.show()

对数据集按月进行数据透视

print(df.pivot_table(index='month',   
               values=['order_products','order_amount','user_id'],
               aggfunc={
   'order_products':'sum',
                        'order_amount':'sum'