五個Pandas 實戰案例帶你分析操作數據
大傢好,之前分享過很多關於 Pandas 的文章,今天我給大傢分享5個小而美的 Pandas 實戰案例。
內容主要分為:
- 如何自行模擬數據
- 多種數據處理方式
- 數據統計與可視化
- 用戶RFM模型
- 用戶復購周期
構建數據
本案例中用的數據是小編自行模擬的,主要包含兩個數據:訂單數據和水果信息數據,並且會將兩份數據合並
import pandas as pd import numpy as np import random from datetime import * import time import plotly.express as px import plotly.graph_objects as go import plotly as py # 繪制子圖 from plotly.subplots import make_subplots
1、時間字段
2、水果和用戶
3、生成訂單數據
order = pd.DataFrame({ "time":time_range, # 下單時間 "fruit":fruit_list, # 水果名稱 "name":name_list, # 顧客名 # 購買量 "kilogram":np.random.choice(list(range(50,100)), size=len(time_range),replace=True) }) order
4、生成水果的信息數據
infortmation = pd.DataFrame({ "fruit":fruits, "price":[3.8, 8.9, 12.8, 6.8, 15.8, 4.9, 5.8, 7], "region":["華南","華北","西北","華中","西北","華南","華北","華中"] }) infortmation
5、數據合並
將訂單信息和水果信息直接合並成一個完整的DataFrame,這個df就是接下來處理的數據
6、生成新的字段:訂單金額
到這裡你可以學到:
- 如何生成時間相關的數據
- 如何從列表(可迭代對象)中生成隨機數據
- Pandas的DataFrame自行創建,包含生成新字段
- Pandas數據合並
分析維度1:時間
2019-2021年每月銷量走勢
1、先把年份和月份提取出來:
df["year"] = df["time"].dt.year df["month"] = df["time"].dt.month # 同時提取年份和月份 df["year_month"] = df["time"].dt.strftime('%Y%m') df
2、查看字段類型:
3、分年月統計並展示:
# 分年月統計銷量 df1 = df.groupby(["year_month"])["kilogram"].sum().reset_index() fig = px.bar(df1,x="year_month",y="kilogram",color="kilogram") fig.update_layout(xaxis_tickangle=45) # 傾斜角度 fig.show()
2019-2021銷售額走勢
df2 = df.groupby(["year_month"])["amount"].sum().reset_index() df2["amount"] = df2["amount"].apply(lambda x:round(x,2)) fig = go.Figure() fig.add_trace(go.Scatter( # x=df2["year_month"], y=df2["amount"], mode='lines+markers', # mode模式選擇 name='lines')) # 名字 fig.update_layout(xaxis_tickangle=45) # 傾斜角度 fig.show()
年度銷量、銷售額和平均銷售額
分析維度2:商品
水果年度銷量占比
df4 = df.groupby(["year","fruit"]).agg({"kilogram":"sum","amount":"sum"}).reset_index() df4["year"] = df4["year"].astype(str) df4["amount"] = df4["amount"].apply(lambda x: round(x,2)) from plotly.subplots import make_subplots import plotly.graph_objects as go fig = make_subplots( rows=1, cols=3, subplot_titles=["2019年","2020年","2021年"], specs=[[{"type": "domain"}, # 通過type來指定類型 {"type": "domain"}, {"type": "domain"}]] ) years = df4["year"].unique().tolist() for i, year in enumerate(years): name = df4[df4["year"] == year].fruit value = df4[df4["year"] == year].kilogram fig.add_traces(go.Pie(labels=name, values=value ), rows=1,cols=i+1 ) fig.update_traces( textposition='inside', # 'inside','outside','auto','none' textinfo='percent+label', insidetextorientation='radial', # horizontal、radial、tangential hole=.3, hoverinfo="label+percent+name" ) fig.show()
各水果年度銷售金額對比
years = df4["year"].unique().tolist() for _, year in enumerate(years): df5 = df4[df4["year"]==year] fig = go.Figure(go.Treemap( labels = df5["fruit"].tolist(), parents = df5["year"].tolist(), values = df5["amount"].tolist(), textinfo = "label+value+percent root" )) fig.show()
商品月度銷量變化
fig = px.bar(df5,x="year_month",y="amount",color="fruit") fig.update_layout(xaxis_tickangle=45) # 傾斜角度 fig.show()
折線圖展示的變化:
分析維度3:地區
不同地區的銷量
不同地區年度平均銷售額
df7 = df.groupby(["year","region"])["amount"].mean().reset_index()
分析維度4:用戶
用戶訂單量、金額對比
df8 = df.groupby(["name"]).agg({"time":"count","amount":"sum"}).reset_index().rename(columns={"time":"order_number"}) df8.style.background_gradient(cmap="Spectral_r")
用戶水果喜好
根據每個用戶對每種水果的訂單量和訂單金額來分析:
df9 = df.groupby(["name","fruit"]).agg({"time":"count","amount":"sum"}).reset_index().rename(columns={"time":"number"}) df10 = df9.sort_values(["name","number","amount"],ascending=[True,False,False]) df10.style.bar(subset=["number","amount"],color="#a97fcf")
px.bar(df10, x="fruit", y="amount", # color="number", facet_col="name" )
用戶分層—RFM模型
RFM模型是衡量客戶價值和創利能力的重要工具和手段。
通過這個模型能夠反映一個用戶的交期交易行為、交易的總體頻率和總交易金額3項指標,通過3個指標來描述該客戶的價值狀況;同時依據這三項指標將客戶劃分為8類客戶價值:
- Recency(R)是客戶最近一次購買日期距離現在的天數,這個指標與分析的時間點有關,因此是變動的。理論上客戶越是在近期發生購買行為,就越有可能復購
- Frequency(F)指的是客戶發生購買行為的次數–最常購買的消費者,忠誠度也就較高。增加顧客購買的次數意味著能占有更多的時長份額。
- Monetary value(M)是客戶購買花費的總金額。
下面通過Pandas的多個方法來分別求解這個3個指標,首先是F和M:每位客戶的訂單次數和總金額
如何求解R指標呢?
1、先求解每個訂單和當前時間的差值
2、根據每個用戶的這個差值R來進行升序排列,排在第一位的那條數據就是他最近購買記錄:以xiaoming用戶為例,最近一次是12月15號,和當前時間的差值是25天
3、根據用戶去重,保留第一條數據,這樣便得到每個用戶的R指標:
4、數據合並得到3個指標:
當數據量足夠大,用戶足夠多的時候,就可以隻用RFM模型來將用戶分成8個類型
用戶復購周期分析
復購周期是用戶每兩次購買之間的時間間隔:以xiaoming用戶為例,前2次的復購周期分別是4天和22天
下面是求解每個用戶復購周期的過程:
1、每個用戶的購買時間升序
2、將時間移動一個單位:
3、合並後的差值:
出現空值是每個用戶的第一條記錄之前是沒有數據,後面直接刪除瞭空值部分
直接取出天數的數值部分:
5、復購周期對比
px.bar(df16, x="day", y="name", orientation="h", color="day", color_continuous_scale="spectral" # purples )
上圖中矩形越窄表示間隔越小;每個用戶整個復購周期由整個矩形長度決定。查看每個用戶的整體復購周期之和與平均復購周期:
得到一個結論:Michk和Mike兩個用戶整體的復購周期是比較長的,長期來看是忠誠的用戶;而且從平均復購周期來看,相對較低,說明在短時間內復購活躍。
從下面的小提琴中同樣可以觀察到,Michk和Mike的復購周期分佈最為集中。
到此這篇關於五個Pandas 實戰案例帶你分析操作數據的文章就介紹到這瞭,更多相關Pandas 分析數據內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- 利用pandas按日期做分組運算的操作
- Python可視化工具Plotly的應用教程
- Python幾種繪制時間線圖的方法
- Python pandas索引的設置和修改方法
- 一文教你利用Python畫花樣圖