- 1、本文档共59页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
模块七电商客户行为分析Python数据分析与可视化典型项目实战(微课版)
【任务描述】Excel文件“UserBehavior.xlsx”共有757565行、10列数据,每一行表示一条客户行为,列名称及说明如表7-1所示。【任务7-1】以行业常见指标分析一周内电商客户行为
【任务描述】针对该数据集完成以下数据分析与可视化操作。(1)日期维的客户行为分析。(2)时间段的客户行为分析。(3)统计与分析每日活跃客户、每日购买客户数及购买客户率。(4)分析客户活跃天数分布情况。(5)每日新增客户分析。(6)客户留存分析。(7)复购分析。(8)RFM模型分析。(9)转化路径分析(漏斗分析)。(10)商品销售分析。【任务实现】在JupyterNotebook开发环境中创建tc07-01.ipynb,然后在单元格中编写代码并输出对应的结果。【任务7-1】以行业常见指标分析一周内电商客户行为
以行业常见指标分析一周内电商客户行为1.导入模块导入通用模块的代码详见“本书导学”,导入其他模块的代码如下:importdatetimefrompyechartsimportchartsaspycimportwarnings#忽略警告warnings.filterwarnings(ignore)#绘图的字体默认设置fontdict={fontsize:14,horizontalalignment:center}
以行业常见指标分析一周内电商客户行为2.提取数据columns=[客户ID,商品ID,商品类型ID,行为类型,时间戳,性别,城市,访问设备,价格,数量]#读取数据df=pd.read_excel(rdata\UserBehavior.xlsx,names=columns,converters={时间戳:int})data=df.copy()data.head()
以行业常见指标分析一周内电商客户行为3.数据处理查看数据集的基本信息data.info()数据去重处理data.drop_duplicates(inplace=True)时间戳的转化处理data[time1]=pd.to_datetime(data[时间戳],unit=s)data[日期]=data[time1].dt.date#data[月]=data[time1].dt.monthdata[年_月]=data[time1].apply(lambdax:x.strftime(%Y-%m))data[时]=data[time1].dt.hour
以行业常见指标分析一周内电商客户行为以下代码也能实现时间戳的转化处理。data[time1]=data[时间戳].apply(lambdax:datetime.datetime.fromtimestamp(x))data[月]=data[时间戳].apply(lambdax:int(datetime.datetime.fromtimestamp(x).strftime(%Y%m)))data[日期]=data[时间戳].apply(lambdax:datetime.datetime.fromtimestamp(x).strftime(%Y-%m-%d))data[时]=data[time1].apply(lambdax:x.hour)观察有没有缺失值data.isnull().sum()观察数据有没有异常值data.describe()
以行业常见指标分析一周内电商客户行为4.日期维的客户行为分析计算各种行为的数量pd.set_option(float_format,lambdax:%.2f%x)type_value=data.行为类型.value_counts()type_value计算7天内各类客户行为的总计数、每日平均操作计数、每个客户平均操作数#统计7天总客户量unique_user=data.客户ID.nunique()#计算7天内各类客户行为的总计数、每日平均操作计数、每个客户平均操作数type_df=pd.DataFrame([type_value,type_value/7,type_value/unique_user],index=[total,avg_day,avg_user])type_df
以行业常见指标分析一周内电商客户行为按天分析pv/uv,观察其访问走势#按天分析pv/uv,观察其访问走势all_puv=pd.pivot_table(data,index=[日期],values=客户
您可能关注的文档
- 模块八 电商客户消费偏好特征分析.pptx
- Python数据分析与可视化典型项目实战(微课版)课件 模块二 天气与空气质量数据分析.pptx
- Python数据分析与可视化典型项目实战(微课版)课件 模块九 广告投放效果分析.pptx
- Python数据分析与可视化典型项目实战(微课版)课件 模块六 订单数据分析.pptx
- Python数据分析与可视化典型项目实战(微课版)课件 模块三 房源数据分析.pptx
- Python数据分析与可视化典型项目实战(微课版)课件 模块十 股票数据分析与股价趋势预测.pptx
- Python数据分析与可视化典型项目实战(微课版)课件 模块四 旅游景点数据分析.pptx
- Python数据分析与可视化典型项目实战(微课版)课件 模块五 商品销量数据分析.pptx
- Python数据分析与可视化典型项目实战(微课版)课件 模块一 人口与 GDP 数据分析.pptx
- 芯片设计 CMOS模拟集成电路设计与仿真实例基于Cadence IC 617 课件 第4章 运算放大器.pptx
- Python数据分析与可视化典型项目实战(微课版)课件 模块六 订单数据分析.pptx
- 汽车营销(第二版)课件 第五章 客户关系管理及客户满意度.pptx
- 芯片设计 CMOS模拟集成电路设计与仿真实例基于Cadence IC 617 课件 第1-2章 CMOS模拟集成电路设计流程简介、ADE仿真概述.pptx
- 【2024新教材-教科版】一年级科学上册全册教案.pdf
- 【2024新教材教科版】科学-二年级科学上册【全册教案】.pdf
- 【新教材】2024教科版科学-二年级科学上册【全册教案】.pdf
- RDPAC考试易错难题完整版.docx
- 阳光成长心理健康主题班会教案.docx
- 2022年中小学党组织领导下的校长负责制实施方案(共3篇).docx
- 20201130华润武汉二十四城对标分析.pptx
最近下载
- 小学二年级下册心理健康教育 我敢提问题.docx VIP
- 99R101:燃煤锅炉房工程设计施工图集.pdf
- 病案首页质控制度及质控考核细则.doc VIP
- 化学海洋学精品课件-同位素在物理海洋学的应用.ppt VIP
- 中国共产主义青年团团员组织关系介绍信.pdf
- (高清版)B-T 41246-2022 项目、项目群和项目组合管理 项目群管理指南.pdf VIP
- 医院药事管理与药物治疗学委员会第四次会议纪要五篇.docx VIP
- 钢琴谱 帕格尼尼主题变奏曲 variation on a theme by paganini 鲁托拉夫斯基 双钢琴四手联弹.pdf
- 高级幼儿园职业园长资格认证考试复习题库资料(含答案).pdf
- 实例电厂烟气脱硝催化剂体积计算及脱硝设备选型.docx VIP
文档评论(0)