某电商网站用户行为分析【已脱敏】

final_data为脱敏后的数据

final_data.head()

data = final_data[['user_id', 'item_id', 'behavior_type', 'time']]
data.head()

data.shape

(12256906, 4)

data['date'] = data['time'].map(lambda x:x.split(' ')[0])
data['hour'] = data['time'].map(lambda x:x.split(' ')[1])
data.head()

C:worksoftwareAnaconda5.3.0libsite-packagesipykernel_launcher.py:1: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a Dataframe.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
  """Entry point for launching an IPython kernel.

data.drop(['time'], axis=1, inplace=True)
data.head()

map函数是Series对象的一个函数，Dataframe中没有map()，map()的功能是将一个自定义函数作用于Series对象的每个元素。apply()函数的功能是将一个自定义函数作用于Dataframe的行或者列applymap()函数的功能是将自定义函数作用于Dataframe的所有元素

总结：三者区别在于应用对象的不同

data.shape

(12256906, 5)

data.dtypes

user_id           int64
item_id           int64
behavior_type     int64
date             object
hour             object
dtype: object

# 转换时间类型
data['date'] = pd.to_datetime(data['date'])
data['hour'] = data['hour'].astype('int32')
data.dtypes

user_id                   int64
item_id                   int64
behavior_type             int64
date             datetime64[ns]
hour                      int32
dtype: object

#  看下用户数
data['user_id'].nunique()

10000

# 是否有缺失值
data.isnull().sum()

user_id          0
item_id          0
behavior_type    0
date             0
hour             0
dtype: int64

流量指标：用户在该网站操作的每一个步骤记录的量化指标

指标有浏览量PV，独立访客数UV

针对每一位访客，还可以用以下的指标衡量访客的质量

平均在线时间：平均每个UV访问页面的停留时间平均访问深度：平均每个UV的PV数量跳失率：浏览某个页面后就离开的访问次数/该页面的全部访问次数

# 总pv值是什么，一定时间周期内（本次）的pv数也就是全部的记录数
total_pv = data.shape[0]
total_pv

12256906

# 计算日均pv
pv = data.groupby(['date'])['user_id'].count().reset_index()

pv

pv = pv.rename(columns={'user_id':'pv'})
pv.head()

#日均uv的计算
uv = data.groupby(['date'])['user_id'].apply(lambda x:x.drop_duplicates().count())
uv.head()

date
2014-11-18    6343
2014-11-19    6420
2014-11-20    6333
2014-11-21    6276
2014-11-22    6187
Name: user_id, dtype: int64

uv = uv.reset_index().rename(columns={'user_id':'uv'})
uv.head()

# 画图
import matplotlib.pyplot as plt
font = {'family':'SimHei', 'size':'20'}
plt.rc('font', **font)

plt.figure(figsize=(20,5))
plt.xticks(rotation=30)

plt.plot(pv['date'], pv['pv'])

plt.title('日均pv')

plt.show()

# 日均uv
plt.figure(figsize=(20,5))
plt.xticks(rotation=30)

plt.plot(uv['date'], uv['uv'])

plt.title('日均uv')

# 保存图片
plt.savefig('日UV.png')

plt.show()

pv和uv都是在12月12日达到峰值在双十二前后会有较高波动，而平常的波动比较平稳 每一个时刻的PV和UV值

data.head()

pv_hour = data.groupby(['hour'])['user_id'].count()
pv_hour.head()

hour
0    517404
1    267682
2    147090
3     98516
4     80487
Name: user_id, dtype: int64

pv_hour = pv_hour.reset_index().rename(columns={'user_id':'pv'})
pv_hour.head()

uv_hour = data.groupby(['hour'])['user_id'].apply(lambda x:x.drop_duplicates().count())
uv_hour = uv_hour.reset_index().rename(columns={'user_id':"uv"})
uv_hour.head()

plt.figure(figsize=(20,5))
plt.plot(uv_hour['hour'],uv_hour['uv'])

plt.xticks(rotation=30)
plt.title('每小时UV')

# 保存图片
plt.savefig('每小时UV.png')

plt.show()

plt.figure(figsize=(20,5))
plt.plot(pv_hour['hour'],pv_hour['pv'])

plt.xticks(rotation=30)
plt.title('每小时PV')

# 保存图片
plt.savefig('每小时PV.png')

plt.show()

# 每个UV的平均访问深度
# 全部的PV除以用户数
round(data.shape[0] / data['user_id'].nunique(), 2)

1225.69

# 每个UV的日均访问深度
round(data['user_id'].shape[0] / data['user_id'].nunique() / data['date'].nunique(), 2)

39.54