数据分析方法——用户群组分析.pdfVIP

数据分析⽅法——⽤户群组分析

⽂章⽬录

数据分析⽅法——⽤户群组分析

内容摘要

⼀、群组分析⽅法介绍

群组分析⽅法就是按照某个特征对数据进⾏分组，通过分组⽐较得出结论并提供指导的⽅法。

将⽤户数据按照性别特征，可以分成男⽣和⼥⽣；将⽤户注册时间作为特征，按注册的⽉不同可以进⾏分组。

群组分析的⽅法常常⽤来分析⽤户留存/流失问题，或者⾦融⾏业⽤户还款逾期的问题，其根据⽉份分组等分析⽅式较为常见。

群组分析主要⽬的是分析相似群体随时间的变化，核⼼就是对⽐、分析不同时间群组的⽤户在相同的周期下的⾏为差异，也称同期群分

析。

群组分析的三个步骤：

1、数据分组

2、假设检验，针对问题提出假设进⾏检验

3、相关性分析法，对⽐不同假设之间的相关性

本博客以步骤⼀（数据分组）为主

⼆、项⽬背景及⽬的

某电商平台有⼀批⽤户消费记录，包括⽤户信息，订单信息，⾦额，订单⽇期等等。希望通过群组分析，查看⽤户留存率变化趋势，分析不

同时间群组的⽤户在相同的周期下的⾏为差异，为后续针对不同⽤户群体制定策略起到基础性⼯作。

三、python实操

（1）数据导⼊

常规操作：导⼊必备的pandas、numpy库，本次数据存放在数据库中，再导⼊sqlalchemy库

使⽤sqlalchemy库，调⽤数据库

importpandasaspd

importnumpyasnp

importsqlalchemy

#读取数据

engine=sqlalchemy.create_engine(mysql+pymysql://**********@localhost:3306/froghd)

sql_cmd=select*fromgroups_data

执⾏语句，获取数据

#sql

df=pd.read_sql(sql=sql_cmd,con=engine)

#数据展⽰

df.head()

数据集如上图所⽰，我们主要集中统计⽤户数量（userid）、订单数量（orderid）、订单⽇期（orderdate）和总⾦额

（totalcharges）

（2）数据处理

⼀

本次群组分析的主要是针对每⽉的新⽤户的留存率进⾏分析，因此需要以⽉为尺度进⾏整理数据。

数据集中的订单⽇期精确到了⽇，我们需要将其省略⾄⽉（这⾥使⽤strftime函数进⾏提取）

#⽣成⼀个新字段，⽤户订单⽉份

df[orderperiod=df.orderdate.apply(lambdax:x.strftime(%Y-%m))

⼆

群组分析针对⽉份，⾸先要确定每个⽉的新⽤户是多少，因此需要确定每个⽤户的最早购买⽇期，也是⽤户群组的标志

之后的分析是针对时间序列的，因此每个⽤户每次购买的⽇期也需要

因此考虑以⽤户信息（userid）为分组依据⽐较好，但是如果直接groupby的话，需要对其余信息进⾏聚集，如果对消费⽇期进⾏聚集

则会出现缺失⽇期的情况，因此不能直接对userid分组

主要思路是将每个⽤户的最早消费⽇期与每⼀次的消费⽇期拼接在⼀起

（1）考虑将⽤户信息（userid）当作索引，再对索引分组

（2）新增加⼀列⽤户的最早购买⽇期（即⽤户群组）

（3）之后再通过重置索引列，将分组数据拆成独⽴的数据

#设置userid为索引

df.set_index(userid,inplace=True)

这⾥的表⽰第⼀层索引即，并且每次分组之后都会形成很多个

#level=0useriddataframe

#按照每个⽤户的订单的最早时期，⽣成⽤户群组

df[cohortgroup=df.groupby(level=0)[orderdate].min().apply(lambdax:x.strftime(%Y-%m))

df.reset_index(inplace=True)

df.head()

三

可以看出每⼀个⽤户每⼀次消费的记录后⾯都有两个时间，⼀个是本次消费的时间，⼀个是该⽤户最早的消费时间

之后对⽤户群组和消费时间进⾏分组

#根据⽤户群组和⽉份字段进⾏分组

grouped=df.groupby([cohortgrouporderperiod])