机器学习-数据科学库 14 用户数据分析案例

关注

原创最新推荐文章于 2026-06-05 11:58:35 发布 805 阅读 AI 写同款· GEO 优化 ›

【数据分析】用户消费行为数据分析 用户消费行为分析的意义在于帮助企业更深入地了解用户需求和行为特征，从而优化营销策略、产品设计和客户关系管理，而应用场景涵盖电子商务、零售业、金融服务、餐饮业、旅游酒店、游戏行业、健康医疗等多个领域。阅读详情

数据准备

参考：https://github.com/CamDavidsonPilon/lifetimes/blob/master/lifetimes/datasets/CDNOW_master.txt

字段含义：

user_id ：用户ID
order_dt ：购买日期
order_product ：购买数量
order_amount ：购买金额

# coding=utf8

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# CDNOW_master.txt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 读取数据
df = pd.read_csv('./CDNOW_master.txt',
                 header=None,

                 # "\s+"则表示匹配任意多个上面的字符 *
                 sep="\s+",

                 # 使用指定索引
                 names=['user_id', 'order_dt', 'order_product', 'order_amount'])
print(df.head(5))
print(df.info())

# 将 order_dt 转换成时间序列
df['order_dt'] = pd.to_datetime(df['order_dt'], format='%Y%m%d')
print(df.info())
print(df.describe())

# 类型转换：在源数据中添加一列表示月份：astype(datetime64[‘M’])
# df["month"] = df["order_dt"].dt.to_period('M')
df["month"] = df["order_dt"].values.astype("datetime64[M]")
print(df.head())
print("*" * 100)

数据分析

按月对数据分析

# 按月对数据分析

# 用户每月花费的总金额
plt.figure(figsize=(8, 5))
plt.plot(df.groupby(by='month')['order_amount'].sum())
plt.xlabel('order_dt')
plt.ylabel('sum of amount')
plt.title('用户每月花费的总金额')
plt.legend()

# 所有用户每月的产品购买数量
plt.figure(figsize=(8, 5))
plt.plot(df.groupby(by='month')['order_product'].sum())
plt.xlabel('order_dt')
plt.ylabel('sum of amount')
plt.title('所有用户每月的产品购买数量')
plt.legend()

# 所有用户每月消费的总次数
plt.figure(figsize=(8, 5))
plt.plot(df.groupby(by='month')['user_id'].sum())
plt.xlabel('order_dt')
plt.ylabel('sum of amount')
plt.title('所有用户每月消费的总次数')
plt.legend()

# 每月的消费人数
plt.figure(figsize=(8, 5))
plt.plot(df.groupby(by='month')['user_id'].nunique())
plt.xlabel('order_dt')
plt.ylabel('sum of amount')
plt.title('每月的消费人数')
plt.legend()

在这里插入图片描述

用户个体消费数据分析

# 用户个体消费数据分析

# 所有用户消费总金额和消费总购买量的统计描述
print(df['order_product'].sum())
print(df['order_amount'].sum())
print("*" * 100)

# 用户维度消费金额和消费产品数量的散点图
user_amount = df.groupby(by='user_id')['order_amount'].sum()
user_product = df.groupby(by='user_id')['order_product'].sum()
plt.figure(figsize=(8, 8))
plt.scatter(user_product, user_amount)
plt.xlabel('product')
plt.ylabel('amount')
plt.title('用户维度消费金额和消费产品数量的散点图')

# 用户维度消费总金额的分布直方图（amount在1000之内）
order_amount_1000 = df.groupby(by='user_id').sum().query('order_amount <= 1000')['order_amount']
plt.figure(figsize=(8, 8))
plt.hist(order_amount_1000, bins=50)
plt.title('用户维度消费总金额的分布直方图（amount在1000之内）')

# 用户维度消费的总数量的分布直方图（消费商品的数量在100次之内的分布）
user_product_100 = df.groupby(by='user_id').sum().query('order_product <= 100')['order_product']
plt.figure(figsize=(8, 8))
plt.hist(user_product_100, bins=30)
plt.title('用户维度消费的总数量的分布直方图（消费商品的数量在100次之内的分布）')

在这里插入图片描述

用户消费行为分析

# 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
# 月份分布
plt.figure(figsize=(8, 8))

# 用户消费的最小值就是用户首次消费的月份
# value_counts() 用来统计 Series 中不同人数出现的次数
df.groupby(by='user_id')['month'].min().value_counts().plot()
df.groupby(by='user_id')['month'].max().value_counts().plot()
plt.title('用户第一次和最后一次消费的月份分布')

# 新老客户的占比
# agg 用于将分组后的结果进行多种不同形式的聚合操作：uid 分组后，用户维度购买时间的最大最小
first_last_order_dt = df.groupby(by='user_id')['order_dt'].agg(['min', 'max'])
print(first_last_order_dt.head(5))
print("*" * 100)

# True:只消费一次=新用户  False:消费多次=老用户
print((first_last_order_dt['min'] == first_last_order_dt['max']).value_counts())

# 求出每个用户的总购买量和总消费金额and最后一次消费的时间的表格rfm
# R 表示客户最近一次交易的时间间隔
# F 表示客户购买的商品数量 F 越大，表示客户交易越频繁，反之表示客户交易不够活跃
# M 表示客户交易的金额 M 越大，表示客户价值越高，反之价值越低
rfm = df.groupby(by='user_id').sum()
rfm['R'] = df.groupby(by='user_id')['order_dt'].max()

# 时间间隔 = 所有时间的最大值 - 客户最后一次交易的最大值
rfm['R'] = df['order_dt'].max() - rfm['R']

# np.timedelta64(1,'D'): 取出days
rfm['R'] = rfm['R'] / np.timedelta64(1, 'D')
rfm.columns = ['F', 'M', 'R']


# rfm分层算法
def rfm_func(x):
    # 存储的是三个字符串形式的0或者1
    # -6.122656	-94.310426	177.778362  ==》 '0'  '0'  '1'
    level = x.map(lambda x: '1' if x >= 0 else '0')
    label = level['R'] + level.F + level.M  # '100'
    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]  # d['100']
    # result ==》 '一般挽留客户'
    return result


# df.apply(func) :apply是DataFrame的运算工具  可以对df中的行或列进行某种func形式的运算
rfm['label'] = rfm.apply(lambda x: x - x.mean(), axis=0).apply(rfm_func, axis=1)
print(rfm.head(5))
print("*" * 100)

在这里插入图片描述

               min        max
user_id                      
1       1997-01-01 1997-01-01
2       1997-01-12 1997-01-12
3       1997-01-02 1998-05-28
4       1997-01-01 1997-12-12
5       1997-01-01 1998-01-03
****************************************************************************************************
True     12054
False    11516
dtype: int64
  rfm = df.groupby(by='user_id').sum()
          F       M      R   label
user_id                           
1         1   11.77  545.0  一般挽留客户
2         6   89.00  534.0  一般挽留客户
3        16  156.46   33.0  重要保持客户
4         7  100.50  200.0  一般发展客户
5        29  385.61  178.0  重要保持客户
****************************************************************************************************

用户的生命周期

# 用户的生命周期

# 统计每个用户每个月的消费次数
user_month_order_count = df.pivot_table(index='user_id', values='order_dt', aggfunc='count', columns='month',
                                        fill_value=0)
print(user_month_order_count.head(5))
print("*" * 100)

# 统计出每个用户每个月是否消费，消费记录为1 否则为0
df_purchase = user_month_order_count.applymap(lambda x: 1 if x >= 1 else 0)
print(df_purchase.head(5))
print("*" * 100)


# 对每月得用户活跃成分进行用户划分
def active_status(data):
    status = []  # 某个用户每一个月的活跃度

    for i in range(18):

        # 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] == 'active':
                    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)
print(pivoted_status.head(5))
print("*" * 100)
df_purchase_new = pd.DataFrame(data=pivoted_status.values.tolist(),
                               index=df_purchase.index,
                               columns=df_purchase.columns)
print(df_purchase_new.head(5))
print("*" * 100)

# 每月【不同活跃】用户的计数
monthly_active = df_purchase_new.apply(lambda x:pd.value_counts(x)).fillna(0).T
print(monthly_active)

               min        max
user_id                      
1       1997-01-01 1997-01-01
2       1997-01-12 1997-01-12
3       1997-01-02 1998-05-28
4       1997-01-01 1997-12-12
5       1997-01-01 1998-01-03
****************************************************************************************************
True     12054
False    11516
dtype: int64
/Users/eddie/PycharmProjects/pythonProject/main.py:121: FutureWarning: The default value of numeric_only in DataFrameGroupBy.sum is deprecated. In a future version, numeric_only will default to False. Either specify numeric_only or select only columns which should be valid for the function.
  rfm = df.groupby(by='user_id').sum()
          F       M      R   label
user_id                           
1         1   11.77  545.0  一般挽留客户
2         6   89.00  534.0  一般挽留客户
3        16  156.46   33.0  重要保持客户
4         7  100.50  200.0  一般发展客户
5        29  385.61  178.0  重要保持客户
****************************************************************************************************