五個Pandas 實戰案例帶你分析操作數據

Posted on by

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

圖片

2、水果和用戶

圖片

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

圖片

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

圖片

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

圖片

6、生成新的字段：訂單金額

圖片

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

圖片

2、查看字段類型：

圖片

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()

圖片

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()

圖片

年度銷量、銷售額和平均銷售額

圖片

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()

圖片

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()

圖片

圖片

圖片

商品月度銷量變化

圖片

fig = px.bar(df5,x="year_month",y="amount",color="fruit")
fig.update_layout(xaxis_tickangle=45)   # 傾斜角度
fig.show()

圖片

折線圖展示的變化：

圖片

分析維度3：地區

不同地區的銷量

圖片

圖片

不同地區年度平均銷售額

df7 = df.groupby(["year","region"])["amount"].mean().reset_index()

圖片

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")

圖片

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")

圖片

px.bar(df10,
       x="fruit",
       y="amount",
#            color="number",
       facet_col="name"
      )

圖片

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。

圖片

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

圖片

如何求解R指標呢？

1、先求解每個訂單和當前時間的差值

圖片

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

圖片

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：

圖片

4、數據合並得到3個指標：

圖片

圖片

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

圖片

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

圖片

2、將時間移動一個單位：

圖片

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

圖片

圖片

直接取出天數的數值部分：

圖片

5、復購周期對比

px.bar(df16,
       x="day",
       y="name",
       orientation="h",
       color="day",
       color_continuous_scale="spectral"   # purples
      )

圖片

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：

圖片

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。

圖片

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：