基于Python实现大型家用电器和电子产品在线商店购买数据分析【500010098】

导入模块

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
1
2
3

获取数据

df= pd.read_csv( r"./data/kz.csv",sep=',')
1

数据描述

该数据包含2020年4月至2020年11月从大型家用电器和电子产品在线商店购买的数据。

数据说明

• event_time：行为类别
• event_type：行为类别
• product_id ：产品编号
• category_id ：产品的类别ID
• category_code：产品的类别分类法（代码名称）
• brand：品牌名称
• price：产品价格
• user_id：用户ID

数据信息

df.shape
1

df.info()
1

df.head()
1

数据处理

# 对比每一列数据大小，判断有无缺失值
df.isnull().any()
1
2

# 因为数据较大，删除掉缺失数据
df=df.dropna()
# 判断有无重复值
df.duplicated()
# 删除重复值
df=df.drop_duplicates()
1
2
3
4
5
6

df.shape
1

df.describe()
1

产品平均价格为250元，中位数为150元，为左偏型数据分布

# 修改时间列数据类型 预计时间：5~6分钟
df['event_time']=df['event_time'].apply(pd.to_datetime) 
df['month'] = df.event_time.values.astype('datetime64[M]')

df.info()
1
2
3
4
5

数据处理

进行用户消费趋势分析（按月）

df_month=df.groupby(['month'])
1

每月的消费总金额

由上图可知：

1. 消费金额在4到8月总体呈上升形态
2. 8月单月消费总额最高,超过2500万元
3. 自8月以后消费出现明显下滑趋势

每月的消费人数

用户数量变化趋势同消费总额变化趋势较为一致

上下两图对比可知，在4到8月两图总体呈上升变化，均在8月份达到最高值，而后开始显现下滑趋势。
特别关注点在7月份，两图中，7月皆为拐点位置。图一中7月后增势更加明显，图二中7月后消费人数增长减缓。两者结合可知，7月用户购买单价有所提高。

进行品牌消费情况分析

各品牌产品消费总金额

销售前20名品牌中，三星和苹果表现尤为强势，远超其他品牌

各品牌用户数量

在用户数量上，三星一枝独秀，遥遥领先于其他品牌。接近为苹果用户数的三倍，而两者销售额约6%，可见苹果人均用户消费远大于三星用户人均消费。 另外上述两幅图数据变化趋势，明显也满足二八原则。

用户个体消费分析

用户消费金额、消费次数的描述性统计

df_=df.copy()
df_.index=df_['event_time']

df_user=df_["2020-04":"2020-11"].groupby('user_id')
df_user.sum().describe()
1
2
3
4
5

df_user.count().describe()
1

用户平均消费1117元，50%用户消费447元，差距较大。说明大部分用户消费较低，小部分用户发生了高消费。

用户消费次数、消费金额散点图

用户消费金额分布图

从直方图可知，用户消费金额，绝大多数呈现集中趋势

用户消费次数分布图

使用切比雪夫定理过滤掉异常值，计算95%的数据分布情况

用户累计消费金额占比

根据用户分组计数后的描述性统计结果，共有89195位客户.结合上图，可知： 50%客户仅贡献了约10%的消费金额；8万名累计消费总额占比仍未超过一半，累计占比约为45%。

用户消费行为

用户第一次消费

用户第一次购买集中在4月份，之后4月末出现剧烈波动，骤然下滑。
7至9月，新客每天稳步增长；10月，11月两月新客较少；整体新客数量呈现下滑趋势。

用户最后一次消费

用户最后一次购买集中在7月中旬至9月中旬，4月至7月客户流失较少。

新老客消费占比

user_life=df_user.event_time.agg(['min','max'])
user_life.head()
1
2

(user_life['min']==user_life['max']).value_counts()
1

有一半用户，只消费了一次。

用户分层（RFM）

rfm=df_["2020-04":"2020-11"].pivot_table(index='user_id'
                         ,values=['price','event_type','event_time']
                         ,aggfunc={'price':'sum','event_type':'count','event_time':'max'}
                                        )
rfm.head()
1
2
3
4
5

rfm['R']=-(rfm.event_time-rfm.event_time.max())/np.timedelta64(1,'D')
rfm.head()
1
2

rfm.rename(columns={'event_type':'F','price':'M'},inplace=True)
rfm['label'] = rfm[['R','F','M']].apply(lambda x:x-x.mean()).apply(rfm_func,axis=1)
rfm
1
2
3

rfm.groupby('label').agg(['sum','mean','count'])
1

上表可见

1. 重要客户平均购买频次低于一般客户，但重要客户平均消费远超为一般客户人均消费；
2. 重要客户总数为一半客户1/3，但重要客户消费金额约为一般客户的10倍；
3. 重要客户平均购买频次低于一般客户；
4. 在最近一次购买时期上，重要客户同一般客户没有明显区别；

rfm.head()
1

用户生命周期（第一次和最后一次）

用户周期描述

((user_life['max']-user_life['min'])/np.timedelta64(1,'D')).describe()
1

用户周期分布

用户周期分布，平均生命周期为22天 绝大多数用户生命周期为0天，说明新客流失严重。