小而全的Pandas使用案例
寫過很多關于Pandas的文章，本文開展了一個簡單的綜合使用，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，并且會將兩份數據合并
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、數據合并
將訂單信息和水果信息直接合并成一個完整的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
到這里你可以學到：
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(chuàng)建，包含生成新字段 Pandas數據合并
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、分年月統計并展示：
#?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(qū)
不同地區(qū)的銷量
不同地區(qū)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(chuàng)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(fā)生購買行為，就越有可能復購
Frequency（F）指的是客戶發(fā)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、數據合并得到3個指標：
當數據量足夠大，用戶足夠多的時候，就可以只用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、合并后的差值：
出現空值是每個用戶的第一條記錄之前是沒有數據，后面直接刪除了空值部分
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的復購周期分布最為集中。
