CD用户消费数据分析

项目来自网络
附数据集

１.数据载入和探索

1.1 数据加载

import numpy as np
import pandas as pd

%matplotlib inline
import matplotlib.pyplot as plt

df = pd.read_csv('./CDNOW_master.csv', names = ['user_id', 'order_dt', 'order_products', 'order_amount'], sep='\s+')
df.head()

• user_id：用户id
• order_dt：每笔订单成交的时间日期
• order_products：每笔订单用户的购买数量
• order_amount：每笔订单的消费金额

1.2 数据探索

df.info()

order_dt的格式要时间类型

df.describe()

从上述描述性统计可以得知，order_products的平均数在中位数和Q3之间，说明大部分人购买的产品数量都不多，order_products受最大值影响；order_amount和order_products相同，大部分人购买的金额都不高，受最大值影响，order_amount有最小值0，考虑到在促销等活动期间存在0消费的白嫖可能性，当作正常数据处理

2. 每月用户总体消费趋势分析

df.order_dt = pd.to_datetime(df.order_dt, format = '%Y%m%d')
df['month'] = df.order_dt.astype('datetime64[M]')

fig, ax = plt.subplots(2, 2, figsize=(15,10))

df.order_amount.groupby(df.month).sum().plot(ax = ax[0][0], title = '总销售额')

df.user_id.groupby(df.month).count().plot(ax = ax[0][1], title = '每月订单数量')

df.order_products.groupby(df.month).sum().plot(ax = ax[1][0], title = '每月消费商品数量')

df.groupby('month').user_id.apply(lambda x:len(x.unique())).plot(ax = ax[1][1], title = '每月用户数量')

plt.tight_layout() # 设置子图的间距

plt.show()

四个折线图的趋势基本一致，可以看出来，1997年前3个月的总销售额特别高，在3月份之后骤然下降，接近平稳。推测也许是前三个月网站正在进行周年庆促销活动，促进了新用户的增长和消费，在活动之后恢复正常，随后的7月和11月有个小高峰，是618(京东笑)和双11的原因吗？
另一方面，在2月到3月这段期间，可以发现消费人数稍有下降，但总销量与总销售额却依然有所上升，是极值影响还是有高价值用户？

pd.pivot_table(df, index = ['month'], 
               values = ['user_id', 'order_amount', 'order_products'], 
               aggfunc = {
   'user_id': 'count', 'order_amount': 'sum', 'order_products': 'sum'}).head()

3. 用户个体消费情况分析

3.1 用户消费金额，消费次数的描述统计

grouped_user = df.groupby('user_id')
grouped_user.sum().describe()

• 用户平均购买了7张cd，大于Q3，说明小部分用户购买了大量的CD
• 用户平均消费106元，接近Q3，同样说明有小部分用户巨额消费

3.2 用户消费金额和销量的关系

grouped_user.sum().plot.scatter(x = 'order_amount'