使用工具和数据：jupyter notebook, CDNOW_master

导入pandas和numpy

可视化需要matplotlib 软件包的 pyplot 子模块的 plot() 函数绘图，所以还要导入Matplotlib绘图库，具体详见https://www.runoob.com/numpy/numpy-matplotlib.html

观察数据，共有4列：用户ID、购买日期、购买产品数、购买金额

更改后的df数据如下：因为后续会按月进行分析，所以新增个month列，当列名是全新的则在最右变自动加上新的一列

一、通过month分组数据，按月分析用户行为

1.每月的订单总金额：

做出折线图如下，发现1~3月份订单金额增长较快3月达到最大值，随后急速下降，可能是前3个月有某些活动吸引了用户下单。

2.每月用户消费的总产品数：

3.每月用户消费的订单数：

4.每月的用户数：

一个用户ID在当月可能消费不止一个订单，也就是说用户ID会有重复，去掉重复的用户ID就得到每月的用户总数。去重用drop_duplicates()

更简单的方法可以使用数据透视表pivot_table，按月计算以月为索引，要计算的值是总金额，产品数和订单数，对这三列分别指定函数，注意 'user_id':'count' 是对用户ID计数

5.每月用户平均消费金额：

每月用户消费的总金额 / 该月的用户数

6.每月用户平均消费次数：

每月的订单数 / 该月的用户数

二、用户个体消费数据分析，通过用户ID分组数据

1.消费金额、消费产品数的描述统计：

可知：用户平均消费了7张CD，中位数却是3，同理订单金额平均是106，中位数是43，说明少量的用户消费了大量的产品，这也遵循二八法则。

2.消费金额、产品数的散点图：

观察散点图，右上角极个别的点拉大了图表，其实就是极值的影响，我们可以加个过滤条件，减少极值的影响。query（）过滤出订单金额在4000以内的：

3.消费金额、消费产品数做直方图：

bins=20等距划分成20份

数据较集中，可以使用切比雪夫定理过滤掉异常值，即95%的数据集中在’平均值加5个标准差‘。根据上面的描述统计，产品数的mean+5*std在100附近，所以我们选择产品数在100以内的数据：

4.用户累计消费金额占比：百分之多少的用户占了百分之多少的销售额

按用户消费金额进行升序排列，cumsum累计相加，除以消费总额即得到累计消费金额占比

重置索引，对order_mount切片选取这一列作图：

由图可知：20000个用户消费占比是40%，而剩下的3570个用户即贡献60%的销售额。

三、用户消费行为

1.第一次购买的用户分布（新用户）：

我们对用户分组的数据求最小值，选取order_dt这一列，最小的日期就是距离现在最远，即第一次购买的日期。对首购的用户进行计数，绘出折线图显示97年2月初新客最多。

2.最后一次购买的用户分布：

再对用户分组的数据求最大值，选取order_dt这一列，最大的日期就是距离现在最近，即最后一次购买的日期。发现最后一次购买的用户在97年2月份出现的次数最多，结合首购用户也是在2月份最多，我们推测可能是2月份有某些优惠活动，吸引了一部分用户消费。

3.新老用户分布

使用一个聚合函数算出每个用户首购和最后一次购买的时间，判断这两个时间是否相等，相等则返回Ture说明该用户仅消费了一次，不相等返回False。

一半用户只消费了一次

4.用户分层

4.1 RFM用户分层：

Recently最后一次消费距今的时间，Frequently消费次数，消费金额。

以用户ID为索引，计算消费总金额、消费次数和最后一次消费时间，生成数据透视表：

消费总金额就是M,消费次数是F（频率），下面将最后一次消费时间转化成R：

数据表中的最后时间大约在1998年7月也就是order_dt.max()  和用户最后一次购买时间相减就知道购买了多少天（R），最后再把order_dt更改数据类型为日期格式。

和平均消费相比，比如用户1的R>0说明最后一次购买距今的天数超过平均值，F<0说明购买次数低于平均值，M<0说明购买金额也低于平均值，这类用户就是最不活跃的，可划分为一般挽留用户。类似的，我们可以将RFM与0比较对用户进行分层。

我们按照用户类型分组，对每种类型的客户进行求和统计

可视化：

4.2 新客，活跃，回流，流失用户分层

以user_id为索引，月为列创建数据透视，对每个用户在每月的购买日期计数，空值用0填充，就可以知道每个用户在每个月消费了几次。

简化一下表格，买了记为1，没买记为0：

函数返回以每月为索引的状态，创建函数前先定义好columns_month,他是数据按月分组求和后，重置一下索引，再切取month列：

将创建好的函数应用到df_purchase的每一行，可以看出每个用户在每个月的活跃状态

将其中未注册（unreg）的用户填充空值，计算每种类型的用户在每月的个数如下：

转置一下：

5、用户购买周期：用户的订单之间间隔时间是多少天

用户购买周期分析，按订单算用户购买平均的时间间隔是多少，也就是用户隔多少天下一次单

shift是下移一个位，错位相减得到不同用户自己内部的订单间隔时间。比如用户1 只有一个订单，下移之后该订单日期无法相减所以是空。用户2有两个订单，第二个订单减第一个订单日期为0天说明这两个是同一天下单。

把日期的单位去掉，绘制直方图：

，

6、用户生命周期分析，最后一次下单和第一次下单

最后一次下单就是最大的日期，第一次下单就是最小的日期，这里用之前新老用户分布的得到的user_life

我们想把购买过1次及以上的用户提取出来

复购率:自然月内，购买多次的用户占比

回购率：当月消费过的在次月仍旧消费

0：当月消费，次月没消费（没回购）

1：当月消费，次月也消费（回购）

NaN：当月都没消费