CD消費(fèi)分析自己已模仿練習(xí)了很多遍，也總結(jié)過(guò)2篇文章袭厂，但任然存在很多問(wèn)題墨吓，主要原因是自己對(duì)業(yè)務(wù)不了解、對(duì)pandas的相關(guān)操作不熟悉纹磺。
如果你已經(jīng)在其他地方見(jiàn)過(guò)CD消費(fèi)分析帖烘，把這段話看完就不用看啦。分享兩個(gè)自己在練習(xí)時(shí)遇見(jiàn)的問(wèn)題：

1橄杨、用SQL如何將新用戶秘症、回流用戶、活躍用戶讥珍、不活躍用戶進(jìn)行分層历极。
2、用SQL如何求回購(gòu)率衷佃、復(fù)購(gòu)率
3趟卸、關(guān)于1、2問(wèn)題的解決方法可看此視頻學(xué)習(xí)

當(dāng)然自己寫這篇文章的目的是為了加深印象氏义，所謂書讀百遍其義自見(jiàn)锄列，練習(xí)也是如此。

本篇文章以模仿為主,利用pandas進(jìn)行數(shù)據(jù)處理惯悠，分析用戶消費(fèi)行為邻邮。數(shù)據(jù)來(lái)源CDNow網(wǎng)站的用戶購(gòu)買明細(xì)。一共有用戶ID克婶，購(gòu)買日期筒严，購(gòu)買數(shù)量丹泉，購(gòu)買金額四個(gè)字段。

具體的分析思路可參考秦路老師七周七數(shù)據(jù)分析鸭蛙，數(shù)據(jù)下載地址摹恨、密碼g6vv

《分析步驟》

第一部分：數(shù)據(jù)類型的處理—字段的清洗
缺失值的處理、數(shù)據(jù)類型的轉(zhuǎn)化
第二部分：按月數(shù)據(jù)分析
每月的消費(fèi)總金額娶视、每月的消費(fèi)次數(shù)晒哄、每月的產(chǎn)品購(gòu)買量、每月的消費(fèi)人數(shù)
第三部分：用戶個(gè)體消費(fèi)數(shù)據(jù)分析
用戶消費(fèi)金額和消費(fèi)次數(shù)的描述統(tǒng)計(jì)肪获、用戶消費(fèi)金額和消費(fèi)次數(shù)的散點(diǎn)圖寝凌、用戶消費(fèi)金額的分布圖（二八法則）迎吵、用戶消費(fèi)次數(shù)的分布圖
散址、用戶累計(jì)消費(fèi)金額的占比
第四部分：用戶消費(fèi)行為分析
用戶第一次消費(fèi)時(shí)間寞宫、用戶最后一次消費(fèi)時(shí)間揍拆、新老客消費(fèi)比花椭、用戶分層粹湃、用戶購(gòu)買周期壹将、用戶生命周期府蛇。

第一部分：數(shù)據(jù)類型的處理—字段的清洗

導(dǎo)入常用的庫(kù)：
import pandas as pd 
import numpy as np
import matplotlib.pyplot as plt
from datetime import datetime
%matplotlib inline    #‘%’內(nèi)置的命令刹前，jupyter專有的定義泳赋，比如在pycharm不常用到，inline意思是我做好圖之后可以在html頁(yè)面的單元格進(jìn)行顯示
plt.style.use('ggplot')  #更改設(shè)計(jì)風(fēng)格喇喉，使用自帶的形式進(jìn)行美化祖今，這是一個(gè)r語(yǔ)言的風(fēng)格

• 加載包和數(shù)據(jù)，文件是txt拣技，用read_table方法打開千诬，因?yàn)樵紨?shù)據(jù)不包含表頭，所以需要賦予膏斤。字符串是空格分割徐绑，用\s+表示匹配任意空白符。
• 一般csv的數(shù)據(jù)分隔是以逗號(hào)的形式莫辨，但是這份來(lái)源于網(wǎng)上的數(shù)據(jù)比價(jià)特殊傲茄，它是通過(guò)多個(gè)空格來(lái)進(jìn)行分隔

columns = ['user_id','order_dt','order_products','order_amount']
df = pd.read_table("CDNOW_master.txt",names = columns,sep = '\s+')

列字段的含義：
user_id:用戶ID
order_dt:購(gòu)買日期
order_products:購(gòu)買產(chǎn)品數(shù)
order_amount:購(gòu)買金額

• 消費(fèi)行業(yè)或者是電商行業(yè)一般是通過(guò)訂單數(shù)，訂單額沮榜，購(gòu)買日期盘榨，用戶ID這四個(gè)字段來(lái)分析的◇∪冢基本上這四個(gè)字段就可以進(jìn)行很豐富的分析草巡。

df.head()

• 觀察數(shù)據(jù)，判斷數(shù)據(jù)是否正常識(shí)別型酥。值得注意的是一個(gè)用戶可能在一天內(nèi)購(gòu)買多次山憨，用戶ID為2的用戶在1月12日買了兩次查乒，這個(gè)細(xì)節(jié)不要遺漏。

df.info()

• 查看數(shù)據(jù)類型萍歉、數(shù)據(jù)是否存在空值侣颂；原數(shù)據(jù)沒(méi)有空值档桃，很干凈的數(shù)據(jù)枪孩。接下來(lái)我們要將時(shí)間的數(shù)據(jù)類型轉(zhuǎn)化。
• 當(dāng)利用pandas進(jìn)行數(shù)據(jù)處理的時(shí)候藻肄，經(jīng)常會(huì)遇見(jiàn)數(shù)據(jù)類型的問(wèn)題蔑舞，當(dāng)拿到數(shù)據(jù)的時(shí)候，首先要確定拿到的是正確的數(shù)據(jù)類型嘹屯，如果數(shù)據(jù)類型不正確需要進(jìn)行數(shù)據(jù)類型的轉(zhuǎn)化攻询，再進(jìn)行數(shù)據(jù)處理。附：常見(jiàn)pandas數(shù)據(jù)類型轉(zhuǎn)化

df.describe()

• 用戶平均每筆訂單購(gòu)買2.4個(gè)商品州弟，標(biāo)準(zhǔn)差在2.3钧栖，稍稍具有波動(dòng)性。中位數(shù)在2個(gè)商品婆翔，75分位數(shù)在3個(gè)商品拯杠，說(shuō)明絕大部分訂單的購(gòu)買量都不多。最大值在99個(gè)啃奴，數(shù)字比較高潭陪。購(gòu)買金額的情況差不多，大部分訂單都集中在小額最蕾。
• 一般而言依溯，消費(fèi)類的數(shù)據(jù)分布，都是長(zhǎng)尾形態(tài)瘟则。大部分用戶都是小額黎炉，然而小部分用戶貢獻(xiàn)了收入的大頭，俗稱二八醋拧。

數(shù)據(jù)類型的轉(zhuǎn)化
df['order_dt'] = pd.to_datetime(df.order_dt,format = '%Y%m%d') #Y四位數(shù)的日期部分慷嗜，y表示兩位數(shù)的日期部分
df['month'] = df.order_dt.values.astype('datetime64[M]')  

【圖】

• 時(shí)間序列的變化方式。

第一部分小結(jié)：

到目前為止趁仙，我們已經(jīng)把數(shù)據(jù)類型處理成我們想要的類型了洪添。我們通過(guò)四個(gè)字段及衍生字段就可以進(jìn)行后續(xù)的分析了。

第二部分：按月數(shù)據(jù)分析

接下來(lái)我們用之前清洗好的字段進(jìn)行數(shù)據(jù)分析雀费。從用戶方向干奢、訂單方向、消費(fèi)趨勢(shì)等進(jìn)行分析盏袄。
1忿峻、消費(fèi)趨勢(shì)的分析

• 每月的消費(fèi)總金額
• 每月的消費(fèi)次數(shù)
• 每月的產(chǎn)品購(gòu)買量
• 每月的消費(fèi)人數(shù)
  目的：了解這批數(shù)據(jù)的波動(dòng)形式薄啥。

01-每月消費(fèi)總金額
grouped_month = df.groupby('month')
order_month_amount = grouped_month.order_amount.sum()
order_month_amount.head()

• 用groupby創(chuàng)建一個(gè)新的對(duì)象。這里要觀察消費(fèi)總金額逛尚，需要將order_amount求和

  
  

• 按月統(tǒng)計(jì)每個(gè)月的CD消費(fèi)總金額垄惧。從圖中可以看到，前幾個(gè)月的銷量非常高漲绰寞。數(shù)據(jù)比較異常到逊。而后期的銷量則很平穩(wěn)。

02-每月的消費(fèi)次數(shù)（訂單數(shù)）
grouped_month.user_id.count().plot()

圖片發(fā)自簡(jiǎn)書App

• 前三個(gè)月的消費(fèi)訂單數(shù)在10000筆左右滤钱，后續(xù)月份的消費(fèi)人數(shù)則在2500人左右觉壶。

03-每月的產(chǎn)品購(gòu)買量
grouped_month.order_products.sum().plot()

• 每月的產(chǎn)品購(gòu)買量一樣呈現(xiàn)早期購(gòu)買量多，后期平穩(wěn)下降的趨勢(shì)件缸。為什么會(huì)呈現(xiàn)這個(gè)原因呢铜靶？我們假設(shè)是用戶身上出了問(wèn)題，早期時(shí)間段的用戶中有異常值他炊，第二假設(shè)是各類促銷營(yíng)銷争剿，但這里只有消費(fèi)數(shù)據(jù)，所以無(wú)法判斷痊末。

04-每月的消費(fèi)人數(shù)（去重）
方法一：
df.groupby('month').user_id.apply(lambda x:len(x.drop_duplicates())).plot()

方法二：
df.groupby('month').user_id.nunique().plot()  #nunique查看數(shù)據(jù)有多少不同的行
#這里會(huì)有一點(diǎn)區(qū)別蚕苇，因?yàn)橐粋€(gè)人在一個(gè)月內(nèi)可能多筆消費(fèi)，可能一號(hào)買了一點(diǎn)二號(hào)買了一點(diǎn)舌胶，所以要進(jìn)行去重的操作

圖片發(fā)自簡(jiǎn)書App

• 每月的消費(fèi)人數(shù)小于每月的消費(fèi)次數(shù)捆蜀，但是區(qū)別不大。前三個(gè)月每月的消費(fèi)人數(shù)在8000—10000之間幔嫂，后續(xù)月份辆它，平均消費(fèi)人數(shù)在2000不到。一樣是前期消費(fèi)人數(shù)多履恩，后期平穩(wěn)下降的趨勢(shì)锰茉。

** 附加：上面消費(fèi)趨勢(shì)的分析可以通過(guò)數(shù)據(jù)透視表分析 **
df.pivot_table(index = 'month',
              values = ['order_products','order_amount','user_id'],
              aggfunc = {'order_products':'sum','order_amount':'sum','user_id':'count'})

• 數(shù)據(jù)透視表是更簡(jiǎn)單的方法，有了這個(gè)之后大家用里面的數(shù)據(jù)進(jìn)行作圖也是OK的切心，而且更加的快捷飒筑，所以pandas到后面的話解決一個(gè)問(wèn)題會(huì)想到兩到三個(gè)方法。具體看那個(gè)方便绽昏，那個(gè)簡(jiǎn)單协屡。

第二部分小結(jié)：

按月數(shù)據(jù)分析主要用group by簡(jiǎn)單了解了消費(fèi)趨勢(shì)

第三部分：用戶個(gè)體消費(fèi)數(shù)據(jù)分析

之前我們維度都是月，來(lái)看的是趨勢(shì)全谤。有時(shí)候我們也需要看個(gè)體來(lái)看這個(gè)人的消費(fèi)能力如何肤晓，這里劃分了五個(gè)方向如下：

• 用戶消費(fèi)金額和消費(fèi)次數(shù)的描述統(tǒng)計(jì)
• 用戶消費(fèi)金額和消費(fèi)次數(shù)的散點(diǎn)圖
• 用戶消費(fèi)金額的分布圖（二八法則）
• 用戶消費(fèi)次數(shù)的分布圖
• 用戶累計(jì)消費(fèi)金額的占比（百分之多少的用戶占了百分之多少的消費(fèi)額）

01-用戶消費(fèi)金額和消費(fèi)次數(shù)的描述統(tǒng)計(jì)
group_user = df.groupby('user_id')
group_user.sum().describe()

• 從用戶角度看，每位用戶平均購(gòu)買7張CD，最多的用戶購(gòu)買了1033張补憾。用戶的平均消費(fèi)金額（客單價(jià)）100元漫萄，標(biāo)準(zhǔn)差是240，結(jié)合分位數(shù)和最大值看盈匾，平均值才和75分位接近腾务，肯定存在小部分的高額消費(fèi)用戶。
• 如果大家能夠接觸到消費(fèi)削饵、金融和錢相關(guān)的數(shù)據(jù)岩瘦，基本上都符合二八法則，小部分的用戶占了消費(fèi)的大頭

02-用戶消費(fèi)金額和消費(fèi)次數(shù)的散點(diǎn)圖
group_user.sum().query('order_amount < 4000'). plot.scatter(x = 'order_amount' , y = 'order_products')
#query后面只支持string形式的值

• 繪制用戶的散點(diǎn)圖葵孤，用戶比較健康而且規(guī)律性很強(qiáng)担钮。因?yàn)檫@是CD網(wǎng)站的銷售數(shù)據(jù)，商品比較單一尤仍，金額和商品量的關(guān)系也因此呈線性，沒(méi)幾個(gè)離群點(diǎn)狭姨。

03-用戶消費(fèi)金額的分布圖（二八法則）
group_user.sum().order_amount. plot.hist(bins = 20)
#bins = 20,就是分成20塊宰啦，最高金額是14000，每個(gè)項(xiàng)就是700

• 從上圖直方圖可知饼拍，大部分用戶的消費(fèi)能力確實(shí)不高赡模，絕大部分呈現(xiàn)集中在很低的消費(fèi)檔次。高消費(fèi)用戶在圖上幾乎看不到师抄，這也確實(shí)符合消費(fèi)行為的行業(yè)規(guī)律漓柑。
• 雖然有極致干擾了我們的數(shù)據(jù)，但是大部分的用戶還是集中在比較低的而消費(fèi)檔次叨吮。

04-用戶消費(fèi)次數(shù)的分布圖（二八法則）
group_user.sum().query('order_products < 100').order_products.hist(bins = 40)

• 到目前為止關(guān)于用戶的消費(fèi)行為有一個(gè)大概的了解

05-用戶累計(jì)消費(fèi)金額的占比（百分之多少的用戶占了百分之多少的消費(fèi)額）
方法一：
user_cumsum = (group_user.sum().sort_values('order_amount').cumsum)/ 2500315.63

方法二：
user_cumsum = group_user.sum().sort_values('order_amount').apply(lambda x: x.cumsum() / x.sum())
user_cumsum
#axis = 0按列計(jì)算
#cumsum滾動(dòng)累加求和
#sort_values排序辆布，升序

• 按用戶消費(fèi)金額進(jìn)行升序排序，由圖可知50%的用戶僅貢獻(xiàn)了15%的銷售額度茶鉴。而排名前5000的用戶就貢獻(xiàn)了60%的消費(fèi)額锋玲。也就是說(shuō)我們只要維護(hù)了這5000個(gè)用戶就可以把業(yè)績(jī)KPI完成60%，如果能把5000個(gè)用戶運(yùn)營(yíng)的更好就可以占比70%—80%之間涵叮。

第三部分小結(jié)：

第四部分：用戶消費(fèi)行為分析

- 用戶第一次消費(fèi)（首購(gòu)）惭蹂。
#在很多行業(yè)里面首購(gòu)是一個(gè)很重要的維度，它和渠道息息相關(guān)割粮，尤其是針對(duì)客單價(jià)比較高客戶留存率比價(jià)低的行業(yè)盾碗，第一次客戶從哪里來(lái)可以拓展出很多運(yùn)營(yíng)方式。
- 用戶最后一次消費(fèi)
- 新老客消費(fèi)比
    - 多少用戶僅消費(fèi)了一次
    - 每月新客占比
- 用戶分層
    - RFM
    - 新舀瓢、老廷雅、活躍、流失
- 用戶購(gòu)買周期（按訂單）
    - 用戶消費(fèi)周期描述
    - 用戶消費(fèi)周期分布
- 用戶生命周期（按第一次&最后一次消費(fèi)）
    - 用戶生命周期描述
    - 用戶生命周期分布

01-用戶第一次消費(fèi)（首購(gòu)）
up_user.month.min().value_counts()

• 求月份的最小值，即用戶消費(fèi)行為中的第一次消費(fèi)時(shí)間榜轿。所有用戶的第一次消費(fèi)都集中在前三個(gè)月.

02-用戶最后一次消費(fèi)
group_user.month.max().value_counts()

• 觀察用戶的最后一次消費(fèi)時(shí)間幽歼。用戶最后一次消費(fèi)比第一次消費(fèi)分布廣，大部分最后一次消費(fèi)集中在前三個(gè)月谬盐，說(shuō)明很多客戶購(gòu)買一次就不再進(jìn)行購(gòu)買甸私。隨著時(shí)間的增長(zhǎng)，最后一次購(gòu)買數(shù)也在遞增飞傀，消費(fèi)呈現(xiàn)流失上升的情況皇型，用戶忠誠(chéng)度在慢慢下降。

03-新老客的消費(fèi)比
user_life = group_user.order_dt.agg(['min','max'])
user_life.head()

• user_id為1的用戶第一次消費(fèi)時(shí)間和最后一次消費(fèi)時(shí)間為19970101砸烦，說(shuō)明他只消費(fèi)了一次

用戶購(gòu)買周期
(user_life['min'] == user_life['max']).value_counts()

• -有一半的用戶只消費(fèi)了一次

04 - 用戶分層
rfm = df.pivot_table(index = 'user_id',
                    values = ['order_products','order_amount','order_dt'],
                    aggfunc = {'order_products':'max','order_amount':'sum','order_products':'sum'})

rfm.head()
#order_amount消費(fèi)總金額弃鸦，order_products消費(fèi)產(chǎn)品數(shù)，order_products最近一次消費(fèi)時(shí)間

• order_products求的是消費(fèi)產(chǎn)品數(shù)幢痘，把它替換成消費(fèi)次數(shù)也是可以唬格，但是因?yàn)槲覀冞@里消費(fèi)次數(shù)是比較固定的，所以使用消費(fèi)產(chǎn)品數(shù)的維度颜说。

04-rfm距今天數(shù)
rfm['R'] =-(rfm.order_dt - rfm.order_dt.max()) / np.timedelta64(1,'D')
#-(rfm.order_dt - rfm.order_dt.max())結(jié)果為時(shí)間類型购岗，將時(shí)間格式轉(zhuǎn)化為整數(shù)或者浮點(diǎn)數(shù)的形式，可以除以單位‘D’门粪，也可以用astype轉(zhuǎn)化
rfm.rename(columns ={'order_products':'F', 'order_amount':'M'},inplace = True )
rfm.head()
#rename,重命名

• R表示客戶最近一次交易時(shí)間的間隔喊积，客戶在最近一段時(shí)間內(nèi)交易的金額。F表示客戶在最近一段時(shí)間內(nèi)交易的次數(shù),F值越大玄妈，表示客戶交易越頻繁乾吻，反之則表示客戶交易不夠活躍。M表示客戶在最近一段時(shí)間內(nèi)交易的金額拟蜻。M值越大绎签，表示客戶價(jià)值越高，反之則表示客戶價(jià)值越低瞭郑。

04-用戶分層：RFM
def rfm_func(x):
    level = x.apply(lambda x :'1' if x >= 0 else '0')
    label = level.R + level.F + level.M
    d = {
        '111':'重要價(jià)值客戶',
        '011':'重要保持客戶',
        '101':'重要挽留客戶',
        '001':'重要發(fā)展客戶',
        '110':'一般價(jià)值客戶',
        '010':'一般保持客戶',
        '100':'一般挽留客戶',
        '000':'一般發(fā)展客戶'
    }
    result = d[label]
    return result

rfm['label'] = rfm[['R','F','M']].apply(lambda x : x - x.mean()).apply(rfm_func,axis = 1)
rfm.head()

• 用戶分層辜御，這里使用平均數(shù)

04-用戶分層：求和
rfm.groupby('label').sum()

• M不同層次客戶的消費(fèi)累計(jì)金額，重要保持客戶的累計(jì)消費(fèi)金額最高

04-用戶分層：計(jì)數(shù)
rfm.groupby('label').count()

• 不同層次用戶的消費(fèi)人數(shù)屈张，之前重要保持客戶的累計(jì)消費(fèi)金額最高擒权，這里重要保持客戶的消費(fèi)人數(shù)排名第二，但離一般挽留用戶差距比較大阁谆，一般挽留用戶有14074人碳抄，重要保持客戶4554人

04-RFM用戶分層
rfm.loc[rfm.label == '重要價(jià)值客戶','color'] = 'g'
rfm.loc[~(rfm.label == '重要價(jià)值客戶'),'color'] = 'r'
rfm.plot.scatter('F','R',c = rfm.color)
#pandas中增加顏色需要新增加一列

• 從RFM分層可知，大部分用戶為重要保持客戶场绿，但是這是由于極致的影響剖效，所以RFM的劃分應(yīng)該盡量以業(yè)務(wù)為準(zhǔn)。盡量用小部分的用戶覆蓋大部分的額度，不要為了數(shù)據(jù)好看劃分等級(jí)璧尸。
• RFM是人工使用象限法把數(shù)據(jù)劃分為幾個(gè)立方體咒林，立方體對(duì)應(yīng)相應(yīng)的標(biāo)簽，我們可以把標(biāo)簽運(yùn)用到業(yè)務(wù)層面上爷光。比如重要保持客戶貢獻(xiàn)金額最多159203.62垫竞，我們?nèi)绾闻c業(yè)務(wù)方配合把數(shù)據(jù)提高或者維護(hù)；而重要發(fā)展客戶和重要挽留客戶他們有一段時(shí)間沒(méi)有消費(fèi)了蛀序，我們?nèi)绾伟阉麄兝貋?lái)

04-用戶分層：用戶生命周期
pivoted_counts = df.pivot_table(index = 'user_id',
                               columns = 'month',
                               values = 'order_dt',
                               aggfunc = 'count').fillna(0)
pivoted_counts.head()

• 用戶每個(gè)月的消費(fèi)次數(shù)欢瞪，對(duì)于生命周期的劃分只需要知道用戶本月是否消費(fèi)，消費(fèi)次數(shù)在這里并不重要徐裸，需要將模型進(jìn)行簡(jiǎn)化
• 使用數(shù)據(jù)透視表遣鼓，需要明確獲得什么結(jié)果。有些用戶在某月沒(méi)有進(jìn)行過(guò)消費(fèi)重贺，會(huì)用NaA表示骑祟，這里用filna填充。

04-用戶生命周期
df_purchase = pivoted_counts.applymap(lambda x  : 1 if x > 0 else 0)
df_purchase.tail()

• 對(duì)于尾部數(shù)據(jù)檬姥，user_id2W+的數(shù)據(jù)是有問(wèn)題的曾我，因?yàn)閺膶?shí)際的業(yè)務(wù)場(chǎng)景上說(shuō)，他們一月和二月都沒(méi)有注冊(cè)三月份才是他們第一次消費(fèi)健民。透視會(huì)把他們一月和二月的數(shù)據(jù)補(bǔ)上為0，這里面需要進(jìn)行判斷將第一次消費(fèi)作為生命周期的起始贫贝，不能從一月份開始就粗略的計(jì)算

04-用戶分層：用戶生命周期狀態(tài)變化
#此處代碼有些許問(wèn)題
def active_status(data):
    status = []
    for i in range(18):
        
        #若本月沒(méi)有消費(fèi)
        if data[i] == 0:
            if len(status) > 0:
                if status[i-1] == 'unreg':
                    status.append('unreg')
                else:
                    status.append('unactive')
            else:
                status.append('unreg')
                    
        #若本月消費(fèi)
        else:
            if len(status) == 0:
                status.append('new')
            else:
                if status[i-1] == 'unactive':
                    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)
pivoted_status.head()   

• 主要分為兩部分的判斷秉犹，以本月是否消費(fèi)為界。本月沒(méi)有消費(fèi)稚晚，還要額外判斷他是不是新客崇堵，因?yàn)椴糠钟脩羰?月份才消費(fèi)成為新客，那么在1客燕、2月份他連新客都不是鸳劳，用unreg表示。如果是老客也搓，則為unactive
• 本月若沒(méi)有消費(fèi)赏廓，需要判斷是不是第一次消費(fèi)，上一個(gè)時(shí)間窗口有沒(méi)有消費(fèi)傍妒♂Ｃ可以多調(diào)試幾次理順里面的邏輯關(guān)系，對(duì)用戶進(jìn)行分層颤练。
• 《業(yè)內(nèi)主流寫法》
• 這里用戶生命周期的狀態(tài)變化是用數(shù)據(jù)透視表一次性做的既忆，但在實(shí)際業(yè)務(wù)場(chǎng)景中我們可能用SQL把它作為中間表來(lái)處理。我們有了明細(xì)表，會(huì)通過(guò)明細(xì)表來(lái)計(jì)算出狀態(tài)表患雇；也就是它的數(shù)據(jù)上個(gè)月是什么樣的情況得出來(lái)跃脊，比如上個(gè)月是新用戶或者回流用戶，我們直接用上個(gè)月的狀態(tài)left join本月的狀態(tài)苛吱。直接用SQL進(jìn)行對(duì)比
• 可以用pandas將每個(gè)月的狀態(tài)計(jì)算出來(lái)酪术，不是逐行而是月份計(jì)算，先算出一月份哪些用戶是新購(gòu)買的又谋，然后判斷二月份是否購(gòu)買拼缝，兩者left join

每月不同活躍用戶的計(jì)數(shù)
purchase_status_ct = pivoted_status.replace('unreg',np.NaN).apply(lambda x : pd.value_counts(x))
purchase_status_ct

此處代碼有部分問(wèn)題

消費(fèi)用戶構(gòu)成 = 活躍+新增+回流，不活躍沒(méi)消費(fèi)過(guò)

• 由上表可知彰亥，每月用戶的消費(fèi)狀態(tài)變化咧七。活躍用戶任斋、持續(xù)消費(fèi)的用戶對(duì)應(yīng)的是消費(fèi)運(yùn)營(yíng)質(zhì)量继阻。回流用戶废酷，之前不消費(fèi)本月才消費(fèi)對(duì)應(yīng)的是喚回運(yùn)營(yíng)瘟檩。不活躍的用戶對(duì)應(yīng)的是流失
• 這里可以針對(duì)業(yè)務(wù)模型下個(gè)定義：流失用戶增加，回流用戶正在減少

05-用戶購(gòu)買周期（按訂單）
order_diff = group_user.apply(lambda x : x.order_dt - x.order_dt.shift())
order_diff.head(10)
#將用戶分組后澈蟆，每個(gè)用戶的訂單購(gòu)買時(shí)間進(jìn)行錯(cuò)位相減

• user_id 1為空值墨辛，表示該客戶只購(gòu)買過(guò)一個(gè)訂單。user_id為2 的用戶第二筆訂單與第二筆訂單在同一天購(gòu)買

05-用戶消費(fèi)周期分布
(order_diff / np.timedelta64(1,'D')).hist(bins = 20)

• 訂單周期呈指數(shù)分布趴俘，用戶的平均購(gòu)買周期是68天睹簇，絕大部分用戶的購(gòu)買周期都低于100天擎椰。

06-用戶生命周期（第一筆訂單時(shí)間 & 最后一筆訂單時(shí)間）
(user_life['max'] - user_life['min']).describe()

• 數(shù)據(jù)偏移比較大朗若，中位數(shù)是0天也就是超過(guò)50%的用戶他的生命周期是0天只購(gòu)買了一次，但是平均生命周期有134天级遭，最大值是544天

06-用戶生命周期（第一筆訂單時(shí)間 & 最后一筆訂單時(shí)間）
((user_life['max'] - user_life['min'])/np.timedelta64(1,'D')).hist(bins = 40)

• 用戶的生命周期受只購(gòu)買一次的用戶影響比較厲害（可以排除）疲憋，用戶均消費(fèi)134天凿渊，中位數(shù)僅0天

06-用戶生命周期大于0天分布圖
u_l = (user_life['max'] - user_life['min'])/np.timedelta64(1,'D')
u_l[u_l > 0].hist(bins = 40)

• 篩選出lifetime>0,既排除了僅消費(fèi)了一次那些人，有不少用戶生命周期靠攏在0天缚柳，部分質(zhì)量差的用戶雖然消費(fèi)了兩次埃脏，但是任然無(wú)法持續(xù)，在用戶首次消費(fèi)30天內(nèi)應(yīng)該盡量引導(dǎo)喂击。少部分用戶集中在50—300天剂癌，屬于普通型的生命周期。高質(zhì)量用戶的生命周期翰绊，集中在400天以后佩谷，這屬于忠誠(chéng)用戶旁壮。

07-復(fù)購(gòu)率和回購(gòu)率的分析
#復(fù)購(gòu)率：自然月內(nèi)，購(gòu)買多次的用戶占比
#回購(gòu)率：曾經(jīng)購(gòu)買過(guò)的用戶咋某一時(shí)期內(nèi)的再次購(gòu)買占比

07-回購(gòu)率
purchase_r = pivoted_counts.applymap(lambda x : 1 if x > 1 else np.NaN if x == 0 else 0)
purchase_r.head()

• applymap針對(duì)DataFrame里的所有數(shù)據(jù)谐檀。用lambda進(jìn)行判斷抡谐，因?yàn)檫@里設(shè)計(jì)了多個(gè)結(jié)果，所以要兩個(gè)if else

07-回購(gòu)率
(purchase_r.sum() / purchase_r.count()).plot(figsize = (10,4))

• 用sum和count相除即可計(jì)算出復(fù)購(gòu)率桐猬。因?yàn)檫@兩個(gè)函數(shù)都會(huì)忽略NAN麦撵，而NAN是沒(méi)有消費(fèi)的用戶，count不論是0還是1都會(huì)統(tǒng)計(jì)溃肪，所以是總的消費(fèi)用戶數(shù)免胃，而sum求何計(jì)算了兩次以上的消費(fèi)用戶。這里用了比較巧妙的替代法計(jì)算復(fù)購(gòu)率惫撰，SQL中也可以用羔沙。
• 圖上可以看出復(fù)購(gòu)率在早期，因?yàn)榇罅啃掠脩艏尤氲年P(guān)系厨钻，新客的復(fù)購(gòu)率并不高扼雏，譬如1月新客們的復(fù)購(gòu)率只有6%左右。而在后期夯膀，這時(shí)的用戶都是大浪淘沙剩下的老客戶诗充，復(fù)購(gòu)率比較穩(wěn)定，在20%左右.
  單看新客和老客诱建，復(fù)購(gòu)率有三倍左右的差距
• 接下來(lái)計(jì)算回購(gòu)率蝴蜓。回購(gòu)率是某一個(gè)時(shí)間窗口內(nèi)消費(fèi)的用戶俺猿，在下一個(gè)時(shí)間窗口人就消費(fèi)的占比励翼。我1月消費(fèi)用戶1000，他們中有300個(gè)2月依然消費(fèi)辜荠，回購(gòu)率是30%

07-回購(gòu)率
#和前面用戶生命周期是相關(guān)的
消費(fèi)金額進(jìn)行數(shù)據(jù)透視
pivoted_amount = df.pivot_table(index = 'user_id',columns = 'month',values = 'order_amount',aggfunc = 'mean').fillna(0)
columns_month = df.month.sort_values().astype('str').unique()
pivoted_amount.columns = columns_month
pivoted_amount.head()

• 消費(fèi)變量，1代表這個(gè)月消費(fèi)過(guò)抓狭，0代表沒(méi)有消費(fèi)過(guò)

07-回購(gòu)率
def purchase_return(data):
    status = []
    for i in range(17):
        if data[i] == 1:
            if data[i+1] ==1:
                status.append(1)
            if data[i+1] == 0:
                status.append(0)
        else:
            status.append(np.NaN)
    status.append(np.NaN)
    return status
pivoted_purchase_return = pivoted_purchase.apply(purchase_return,axis = 1)
pivoted_purchase_return.head(5)

• 0代表當(dāng)月消費(fèi)過(guò)次月沒(méi)有消費(fèi)過(guò)伯病，1代表當(dāng)月消費(fèi)過(guò)次月依然消費(fèi)
• 新建一個(gè)判斷函數(shù)。data是輸入數(shù)據(jù)否过，既用戶在18個(gè)月內(nèi)是否消費(fèi)的記錄午笛，status是空列表，后續(xù)用來(lái)保存用戶是否回購(gòu)的字段苗桂。因?yàn)橛?8個(gè)月药磺，所以每個(gè)月都要進(jìn)行一次判斷，需要用到循環(huán)煤伟。if的主要邏輯是癌佩，如果用戶本月進(jìn)行過(guò)消費(fèi)木缝，且下月消費(fèi)過(guò)，記為1围辙，沒(méi)有消費(fèi)過(guò)是0.本月若沒(méi)有進(jìn)行過(guò)消費(fèi)我碟，為NAN，后續(xù)的統(tǒng)計(jì)中進(jìn)行排除姚建。apply函數(shù)應(yīng)用在所有行上矫俺，獲得想要的結(jié)果。
• 最后計(jì)算和復(fù)購(gòu)率大同小異掸冤，用count和sum求出厘托，從圖中可以看出，用戶的回購(gòu)率高于復(fù)購(gòu),約在30%左右稿湿，和老客戶差異不大铅匹。從回購(gòu)率和復(fù)購(gòu)率綜合分析可以得出，新客的整體質(zhì)量低于老客缎罢，老客的忠誠(chéng)度（回購(gòu)率）表現(xiàn)較好伊群，消費(fèi)頻次稍次，這是CDNow網(wǎng)站的用戶消費(fèi)特征策精。