Python資料分析之分析千萬級淘寶資料

2022-03-16 13:00:36

1、專案背景與分析說明

1）專案背景

網購已經成為人們生活不可或缺的一部分，本次專案基於淘寶app平臺資料，通過相關指標對使用者行為進行分析，從而探索使用者相關行為模式。

2）資料和欄位說明

本文使用的資料集包含了2014.11.18到2014.12.18之間，淘寶App行動端一個月內的使用者行為資料。該資料有12256906天記錄，共6列資料。

user_id：使用者身份
item_id：商品id
behavior_type：使用者行為型別(包括點選、收藏、加入購物車、支付四種行為，分別用數位1、2、3、4表示)
user_geohash：地理位置
item_category：品類id(商品所屬的分類)
time：使用者行為發生的時間

3）分析的維度

流量指標分析

使用者行為分析

漏斗流失分析

使用者價值RFM分析

4）電商常用分析方法

5）什麼是漏斗分析？

“漏斗分析”是一套流程式資料分析，它能夠科學反映使用者行為狀態，以及從起點到終點各階段使用者轉化率情況的一種重要分析模型。

2、匯入相關庫

import numpy as np
import pandas as pd
import matplotlib as  mpl
import matplotlib.pyplot as  plt
import seaborn as sns
import warnings
# 設定為seaborn繪圖風格
sns.set(style="darkgrid",font_scale=1.5)

# 用來顯示中文標籤
mpl.rcParams["font.family"] = "SimHei"

# 用來顯示負號
mpl.rcParams["axes.unicode_minus"] = False

# 有時候執行程式碼時會有很多warning輸出，像提醒新版本之類的，如果不想這些亂糟糟的輸出，可以使用如下程式碼
warnings.filterwarnings('ignore')

3、資料預覽、資料預處理

# 注意：str是為了將所有的欄位都讀成字串
df = pd.read_csv("taobao.csv",dtype=str)
df.shape
df.info()
df.sample(5)

結果如下：

1）計算缺失率

# 由於地理位置的缺失值太多，我們也沒辦法填充，因此先刪除這一列
df.apply(lambda x:sum(x.isnull())/len(x),axis=0)

結果如下：

2）刪除地理位置這一列

df.drop(["user_geohash"],axis=1,inplace=True)

3）處理時間time列，將該列拆分為date日期列，和hour小時列

df["date"] = df.time.str[0:-3]
df["hour"] = df.time.str[-2:]
df.sample(5)

結果如下：

4）將time、date列都變為標準日期格式，將hour列變為int格式

df["date"] = pd.to_datetime(df["date"])
df["time"] = pd.to_datetime(df["time"])
df["hour"] = df["hour"].astype(int)
df.dtypes

結果如下：

5）將資料按照time列，升序排列

df.sort_values(by="time",ascending=True,inplace=True)
df.head()

解果如下：

6）刪除原始索引，重新生成新的索引

df.reset_index(drop=True,inplace=True)
df.head()

結果如下：

知識點：注意reset_index()中傳入引數drop的這種用法。

7）使用describe()函數檢視資料的分佈，這裡使用了一個include引數，注意一下

# 檢視所有object字串型別的資料分佈狀況
df.describe(include=["object"])
# describe()預設只會統計數值型變數的資料分佈情況。
df.describe()
# 檢視所有資料型別的資料分佈狀況
df.describe(include="all")

結果如下：

知識點：注意describe()函數中傳入引數include的用法。

8）對時間資料做一個概覽

df["date"].unique()

結果如下：

4、模型構建

1）流量指標的處理

pv：指的是頁面總瀏覽量。每個使用者每重新整理一次網頁，就會增加一次pv。

uv：指的是獨立訪客數。一臺電腦一個ip也就是一個獨立訪客。實際分析中，我們都是認為每個人只使用一臺電腦，即每一個獨立訪客代表一個使用者。

① 總計pv和uv

total_pv = df["user_id"].count()
total_pv
total_uv = df["user_id"].nunique()
total_uv

結果如下：

結果分析：從圖中可以看到，該網站頁面的總瀏覽量為12256906次，該頁面的獨立訪客數共有10000個。

② 日期維度下的uv和pv：uv表示頁面總瀏覽量，pv表示獨立訪客數

pv_daily = df.groupby("date")['user_id'].count()
pv_daily.head(5)
uv_daily = df.groupby("date")['user_id'].apply(lambda x: x.nunique())
# uv_daily = df.groupby("date")['user_id'].apply(lambda x: x.drop_duplicates().count())
uv_daily.head()
pv_uv_daily = pd.concat([pv_daily,uv_daily],axis=1)
pv_uv_daily.columns = ["pv","uv"]
pv_uv_daily.head()
# 繪圖程式碼如下
plt.figure(figsize=(16,10))
plt.subplot(211)
plt.plot(pv_daily,c="r")
plt.title("每天頁面的總存取量(PV)")
plt.subplot(212)
plt.plot(uv_daily,c="g")
plt.title("每天頁面的獨立訪客數(UV)")
#plt.suptitle("PV和UV的變化趨勢")
plt.tight_layout()
plt.savefig("PV和UV的變化趨勢",dpi=300)
plt.show()

結果如下：

繪圖如下：

結果分析：從圖中可以看出，pv和uv資料呈現高度的正相關。雙12前後，pv和uv都在350000-400000之間波動，雙十二的時候，頁面存取量急劇上升，證明這次活動的效果很好。

③ 時間維度下的pv和uv

pv_hour = df.groupby("hour")['user_id'].count()
pv_hour.head()
uv_hour = df.groupby("hour")['user_id'].apply(lambda x: x.nunique())
uv_hour.head()
pv_uv_hour = pd.concat([pv_hour,uv_hour],axis=1)
pv_uv_hour.columns = ["pv_hour","uv_hour"]
pv_uv_hour.head()
# 繪圖程式碼如下
plt.figure(figsize=(16,10))
pv_uv_hour["pv_hour"].plot(c="steelblue",label="每個小時的頁面總存取量")
plt.ylabel("頁面存取量")

pv_uv_hour["uv_hour"].plot(c="red",label="每個小時的頁面獨立訪客數",secondary_y=True)
plt.ylabel("頁面獨立訪客數")
plt.xticks(range(0,24),pv_uv_hour.index)

plt.legend(loc="best")
plt.grid(True)

plt.tight_layout()
plt.savefig("每個小時的PV和UV的變化趨勢",dpi=300)
plt.show()

結果如下：

繪圖如下：

結果分析：從圖中可以看出，晚上22：00-凌晨5：00，頁面的存取使用者數量和存取量逐漸降低，該時間段很多人都是處在休息之中。而從早上6：00-10：00使用者數量逐漸呈現上升趨勢，10：00-18：00有一個比較平穩的狀態，這個時間段是正常的上班時間。但是18：00以後，一直到晚上22：00，使用者劇烈激增，一直達到一天中存取使用者數的最大值。運營人員可以參考使用者的活躍時間段，採取一些促銷活動。

2）使用者行為指標

① 總計點選、收藏、新增購物車、支付使用者的情況

type_1 = df[df['behavior_type']=="1"]["user_id"].count()
type_2 = df[df['behavior_type']=="2"]["user_id"].count()
type_3 = df[df['behavior_type']=="3"]["user_id"].count()
type_4 = df[df['behavior_type']=="4"]["user_id"].count()
print("點選使用者：",type_1)
print("收藏使用者：",type_2)
print("新增購物車使用者：",type_3)
print("支付使用者：",type_4)

結果如下：

結果分析：從圖中可以看到，使用者進行頁面點選–>收藏和加如購物車–>支付，逐漸呈現下降趨勢。關於這方面的分析，將在下面的漏斗圖中繼續更為深入的說明。

② 日期維度下，點選、收藏、新增購物車、支付使用者的情況

pv_date_type = pd.pivot_table(df,index='date',
                             columns='behavior_type',
                             values='user_id',
                             aggfunc=np.size)
pv_date_type.columns = ["點選","收藏","加入購物車","支付"]
pv_date_type.head()
# 繪圖如下
plt.figure(figsize=(16,10))
sns.lineplot(data=pv_date_type[['收藏', '加入購物車', '支付']])

plt.tight_layout()
plt.savefig("不同日期不同使用者行為的PV變化趨勢",dpi=300)
plt.show()

結果如下：

繪圖如下：

③ 時間維度下，點選、收藏、新增購物車、支付使用者的情況

pv_hour_type = pd.pivot_table(df,index='hour',
                             columns='behavior_type',
                             values='user_id',
                             aggfunc=np.size)
pv_hour_type.columns = ["點選","收藏","加入購物車","支付"]
pv_hour_type.head()
# 繪圖如下
plt.figure(figsize=(16,10))
sns.lineplot(data=pv_hour_type[['收藏', '加入購物車', '支付']])

pv_hour_type["點選"].plot(c="pink",linewidth=5,label="點選",secondary_y=True)
plt.legend(loc="best")

plt.tight_layout()
plt.savefig("不同小時不同使用者行為的PV變化趨勢",dpi=300)
plt.show()

結果如下：

繪圖如下：

④ 支付次數前10的使用者行為細分

df["user_id1"] = df["user_id"]
buy_first = pd.pivot_table(df,index='user_id',
                             columns='behavior_type',
                             values='user_id1',
                             aggfunc="count")
buy_first.columns = ["點選","收藏","加入購物車","支付"]
buy_first_10 = buy_first.sort_values(by="支付",ascending=False)[:10]
buy_first_10
# 繪製圖形如下
plt.figure(figsize=(16,10))
plt.subplot(311)
plt.plot(buy_first_10["點選"],c="r")
plt.title("點選數的變化趨勢")
plt.subplot(312)
plt.plot(buy_first_10["收藏"],c="g")
plt.title("收藏數的變化趨勢")
plt.subplot(313)
plt.plot(buy_first_10["加入購物車"],c="b")
plt.title("加入購物車的變化趨勢")

plt.xticks(np.arange(10),buy_first_10.index)

plt.tight_layout()
plt.savefig("支付數前10的使用者，在點選、收藏、加入購物車的變化趨勢",dpi=300)
plt.show()

結果如下：

繪圖如下：

結果分析：通過這個分析，我們可以看出，購買次數最多的使用者，點選、收藏、加入購車的次數不一定是最多的，

⑤ ARPPU分析：平均每使用者收入，即可通過“總收入/AU” 計算得出

total_custome = df[df['behavior_type'] == "4"].groupby(["date","user_id"])["behavior_type"].count()
                .reset_index().rename(columns={"behavior_type":"total"})
total_custome.head()
total_custome2 = total_custome.groupby("date").sum()["total"]/
                 total_custome.groupby("date").count()["total"]
total_custome2.head(10)
# 繪圖如下
x = len(total_custome2.index.astype(str))
y = total_custome2.index.astype(str)

plt.plot(total_custome2.values)
plt.xticks(range(0,30,7),[y[i] for i in range(0,x,7)],rotation=90)
plt.title("每天的人均消費次數")

plt.tight_layout()
plt.savefig("每天的人均消費次數",dpi=300)
plt.show()

結果如下：

繪圖如下：

⑥ 日ARPU分析：表示的是平均每使用者收入。ARPU = 總收入/AU得到

df["operation"] = 1
aa = df.groupby(["date","user_id",'behavior_type'])["operation"].count().
     reset_index().rename(columns={"operation":"total"})
aa.head(10)
aa1 = aa.groupby("date").apply(lambda x: x[x["behavior_type"]=="4"]["total"].sum()/x["user_id"].nunique())
aa1.head(10)
# 繪圖如下
x = len(aa1.index.astype(str))
y = aa1.index.astype(str)

plt.plot(aa1.values)
plt.xticks(range(0,30,7),[y[i] for i in range(0,x,7)],rotation=90)
plt.title("每天的活躍使用者消費次數")

plt.tight_layout()
plt.savefig("每天的活躍使用者消費次數",dpi=300)
plt.show()

結果如下：

繪圖如下：

⑦ 付費率PUR = APA/AU，這裡用【消費人數 / 活躍使用者人數】代替

rate = aa.groupby("date").apply(lambda x: x[x["behavior_type"]=="4"]["total"].count()/x["user_id"].nunique())
rate.head(10)
# 繪圖如下
x = len(rate.index.astype(str))
y = rate.index.astype(str)

plt.plot(rate.values)
plt.xticks(range(0,30,7),[y[i] for i in range(0,x,7)],rotation=90)
plt.title("付費率分析")

plt.tight_layout()
plt.savefig("付費率分析",dpi=300)
plt.show()

結果如下：

⑧ 復購情況分析(復購率)

re_buy = df[df["behavior_type"]=="4"].groupby("user_id")["date"].apply(lambda x: x.nunique())
print(len(re_buy))
re_buy[re_buy >= 2].count() / re_buy.count()

結果如下：

3）漏斗分析

df_count = df.groupby("behavior_type").size().reset_index().
           rename(columns={"behavior_type":"環節",0:"人數"})
           
type_dict = {
    "1":"點選",
    "2":"收藏",
    "3":"加入購物車",
    "4":"支付"
}
df_count["環節"] = df_count["環節"].map(type_dict)

a = df_count.iloc[0]["人數"]
b = df_count.iloc[1]["人數"]
c = df_count.iloc[2]["人數"]
d = df_count.iloc[3]["人數"]
funnel = pd.DataFrame({"環節":["點選","收藏及加入購物車","支付"],"人數":[a,b+c,d]})

funnel["總體轉化率"] = [i/funnel["人數"][0] for i in funnel["人數"]]
funnel["單一轉化率"] = np.array([1.0,2.0,3.0])
for i in range(0,len(funnel["人數"])):
    if i == 0:
        funnel["單一轉化率"][i] = 1.0
    else:
        funnel["單一轉化率"][i] = funnel["人數"][i] / funnel["人數"][i-1]
# 繪圖如下
import plotly.express as px
import plotly.graph_objs as go

trace = go.Funnel(
    y = ["點選", "收藏及加入購物車", "購買"],
    x = [funnel["人數"][0], funnel["人數"][1], funnel["人數"][2]],
    textinfo = "value+percent initial",
    marker=dict(color=["deepskyblue", "lightsalmon", "tan"]),
    connector = {"line": {"color": "royalblue", "dash": "solid", "width": 3}})
    
data =[trace]

fig = go.Figure(data)

fig.show()

結果如下：

繪圖如下：

結果分析：由於收藏和加入購車都是有購買意向的一種使用者行為，切不分先後順序，因此我們將其合併看作一個階段。從上面的漏斗圖和funnel表可以看出，從瀏覽到具有購買意向(收藏和加入購物車)，只有5%的轉化率，但是到了真正到購買的轉化率只有1%，再看“單一轉化率”，從具有購買意向到真正購買的轉化率達到了20%。說明從瀏覽到進行收藏和加入購物車的階段，是指標提升的重要環節。

4）客戶價值分析(RFM分析)

from datetime import datetime
# 最近一次購買距離現在的天數
recent_buy = df[df["behavior_type"]=="4"].groupby("user_id")["date"].
             apply(lambda x:datetime(2014,12,20) - x.sort_values().iloc[-1]).reset_index().
             rename(columns={"date":"recent"})
recent_buy["recent"] = recent_buy["recent"].apply(lambda x: x.days)
recent_buy[:10]
# 購買次數計算
buy_freq = df[df["behavior_type"]=="4"].groupby("user_id")["date"].count().reset_index().
          rename(columns={"date":"freq"})
buy_freq[:10]
# 將上述兩列資料，合併起來
rfm = pd.merge(recent_buy,buy_freq,on="user_id")
rfm[:10]
# 給不同型別打分
r_bins = [0,5,10,15,20,50]
f_bins = [1,30,60,90,120,900]
rfm["r_score"] = pd.cut(rfm["recent"],bins=r_bins,labels=[5,4,3,2,1],right=False)
rfm["f_score"] = pd.cut(rfm["freq"],bins=f_bins,labels=[1,2,3,4,5],right=False)
for i in ["r_score","f_score"]:
    rfm[i] = rfm[i].astype(float)
rfm.describe()
# 比較各分值與各自均值的大小
rfm["r"] = np.where(rfm["r_score"]>3.943957,"高","低")
rfm["f"] = np.where(rfm["f_score"]>1.133356,"高","低")
# 將r和f列的字串合併起來
rfm["value"] = rfm["r"].str[:] + rfm["f"].str[:]
rfm.head()
# 自定義函數給使用者貼標籤
def trans_labels(x):
    if x == "高高":
        return"重要價值客戶"
    elif x == "低高":
        return"重要喚回客戶"
    elif x == "高低":
        return"重要深耕客戶"
    else:
        return"重要挽回客戶"
rfm["標籤"] = rfm["value"].apply(trans_labels)
# 計算出每個標籤的使用者數量
rfm["標籤"].value_counts()

結果如下：

以上就是Python資料分析之分析千萬級淘寶資料的詳細內容，更多關於Python淘寶資料分析的資料請關注it145.com其它相關文章！

Python資料分析之分析千萬級淘寶資料

目錄

1、專案背景與分析說明

2、匯入相關庫

3、資料預覽、資料預處理

4、模型構建

1）流量指標的處理

2）使用者行為指標

3）漏斗分析

4）客戶價值分析(RFM分析)

熱門文章