pandas数据分析案例：用户消费数据

# pandas数据分析案例：用户消费数据

该文展示了使用Python的Pandas库对电商数据进行预处理，包括数据类型转换、缺失值检查、统计分析等。然后，分析了用户
按月的消费总金额、产品购买量和消费次数，揭示了各月消费趋势。接着，对单个用户进行了消费总金额、消费总次数的统计描
述，并绘制了散点图。最后，通过RFM模型分析了用户的价值层级，以及用户生命周期的不同阶段，如新用户、活跃用户、回头
客等。

原数据共有69660条数据，有四列，没有列名。

文件位置——点击下载

第一部分：数据类型处理

数据加载

• 字段含义:
  • user_id: 用户ID
  • order_dt: 购买日期
  • order_product: 购买产品的数量
  • order_amount: 购买金额

观察数据

• 查看数据的数据类型
• 数据中是否存储在缺失值
• 将order_dt转换成时间类型
• 查看数据的统计描述
• 计算所有用户购买商品的平均数量
• 计算所有用户购买商品的平均花费
• 在源数据中添加一列表示月份: astype('datetime64[M]')

第二部分：按月数据分析

• 用户每月花费的总金额

  • 绘制曲线图

• 所有用户每月的产品购买量

  • 所有用户每月的消费总次数
  • 统计每月的消费人数

第三部分：用户个体消费数据分析

• 用户消费总金额和消费总次数的统计描述
• 用户消费金额和消费产品数量的散点图
• 各个用户消费总金额的直方分布图(消费金额在1000之内的分布)
• 各个用户消费的总数量的直方分布图(消费商品的数量在100次之内的分布)

第四部分：用户消费行为分析

• 用户第一次消费的月份分布，和人数统计

  • 绘制线形图

• 用户最后一次消费的时间分布，和人数统计

  • 绘制线形图

• 新老客户的占比

  • 消费一次为新用户
  • 消费多次为老用户
  • 分析出每一个用户的第一个消费和最后一次消费的时间

[up主专用，视频内嵌代码贴在这]