数据分析-以买东西数据为例
首先导入库:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
然后到数数据：
df=pd.read_csv('./data/CDNOW_master.txt',header=None,sep='\s+',names=['use_id','order_dt','order_product','order_amount'])
df
其中header=None表示没有列名，sep=’\s+’表示按多个空格分隔列，names=[‘use_id’,’order_dt’,’order_product’,’order_amount’]表示将列名重新命名为’use_id’,’order_dt’,’order_product’,’order_amount’。
查看文件信息：
df.info()
将’order_dt’转换为日期格式：
df['order_dt']=pd.to_datetime(df['order_dt'],format='%Y%m%d')
df
分析列为数字的列：
df.describe()
加入新的列，列中数据为当年月份：
df['month']=df['order_dt'].astype('datetime64[M]')
df
所有用户每月消费的总数：
df.groupby(by='month')['order_amount'].sum()
画相关折线图：
df.groupby(by='month')['order_amount'].sum().plot()
所有用户每月的消费次数：
df.groupby(by='month')['order_product'].sum()
画出相关的折线图：
df.groupby(by='month')['order_product'].sum().plot()
每月有多少不同用户买了东西：
df.groupby(by="month")['use_id'].nunique()
.nunique()表示unique（）后计算数量。
求每名用户消费的钱数：
df.groupby(by='use_id')['order_amount'].sum()
每名用户买了多少次东西：
df.groupby(by='use_id').count()
每名用户花的总钱数与总商品数的散点图：
money_amount=df.groupby(by='use_id')['order_amount'].sum()
num_amount=df.groupby(by='use_id')['order_product'].sum()
plt.scatter(money_amount,num_amount)
每名用户消费的总钱数（小于1000）
df.groupby(by='use_id').sum().query("order_amount)['order_amount']
df.groupby(by='use_id').sum().query("order_amount)['order_amount'].hist()
每名用户所买商品的总数量（小于100）：
df.groupby(by='use_id').sum().query("order_product)['order_product']
df.groupby(by='use_id').sum().query("order_product)['order_product'].hist()
用户第一次消费的月份：
df.groupby(by='use_id')['month'].min()
每月的新用户：
df.groupby(by='use_id')['month'].min().value_counts()
用户最后一次消费的月份：
df.groupby(by='use_id')['month'].max()
每月中最后一次消费的用户数：
df.groupby(by='use_id')['month'].max().value_counts()
最后一次消费与第一次消费在相同月份的有：
df.groupby(by='use_id')['order_dt'].agg(['min','max'])
new_old_use=df.groupby(by='use_id')['order_dt'].agg(['min','max'])
(new_old_use['min']==new_old_use['max']).value_counts()
获取透视图：
df.pivot_table(index='use_id',aggfunc={'order_product':'sum','order_amount':'sum','order_dt':'max'})
new_df=df.pivot_table(index='use_id',aggfunc={'order_product':'sum','order_amount':'sum','order_dt':'max'})
假设现在是文件中消费日期中最后的一天，计算出所有消费日期与最后一天的消费日期的差值为：
max_dt=df['order_dt'].max()
-(df.groupby(by='use_id')['order_dt'].max()-max_dt)/np.timedelta64(1,'D')
new_df['R']=-(df.groupby(by='use_id')['order_dt'].max()-max_dt)/np.timedelta64(1,'D')
new_df
组成MFR表：
new_df.drop(labels='order_dt',axis=1,inplace=True)
new_df.columns=['M','F','R']
new_df
计算每名用户每月的订单数量：
second_df=df.pivot_table(index='use_id',values='order_dt',aggfunc='count',columns='month')
以用户名（’use_id’）为行名，就是以use_id分组对order_dt求和，其中的columns对order_dt再进行细分，划分为每月。
对其中的NAN赋为’0’。
second_df=second_df.fillna(0)
second_df
判断用户当月是否消费了：
user_month_df=second_df.applymap(lambda x:1 if x>=1 else 0)
user_month_df
Original: https://blog.csdn.net/qq_28368825/article/details/123308345
Author: qq_28368825
Title: 数据分析-以买东西数据为例
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/754728/
转载文章受原作者版权保护。转载请注明原作者出处！