社区首页 >专栏 >【Python数据分析五十个小案例】分析某电商平台的用户购买行为

【Python数据分析五十个小案例】分析某电商平台的用户购买行为

原创

小馒头学Python

发布于 2024-12-22 14:52:19

79500

代码可运行

文章被收录于专栏：小馒头学Python小馒头学Python

运行总次数：0

代码可运行

🎓引言

数据分析为我们提供了对市场动态的深刻洞察，能够帮助企业优化运营策略、提升用户体验和增加收入。在本案例中，我们将通过Python进行电商平台用户购买行为数据的分析，揭示不同用户群体的消费模式以及热门产品的销售趋势。通过数据分析，我们希望为平台提供更精确的市场决策依据。

注意：由于本文为学习目的，所使用的数据为生成的虚拟数据，非真实的电商数据。其主要目的是展示数据分析的过程和方法。

🎓生成虚拟电商数据

如果你没有现成的电商数据，可以使用pandas和numpy生成虚拟数据。以下是生成数据的代码示例：

import pandas as pd
import numpy as np

# 设置随机种子，确保每次生成的结果相同
np.random.seed(42)

# 生成虚拟电商数据
num_records = 1000  # 数据记录数
user_ids = np.random.randint(1, 101, size=num_records)  # 100个用户
product_ids = np.random.randint(1, 21, size=num_records)  # 20个产品
product_categories = ['Electronics', 'Clothing', 'Home', 'Beauty', 'Sports']
purchase_amounts = np.round(np.random.uniform(5, 500, size=num_records), 2)
purchase_dates = pd.to_datetime(np.random.choice(pd.date_range('2023-01-01', '2023-12-31', freq='D'), num_records))

# 随机生成年龄段（假设年龄段为：18-24, 25-34, 35-44, 45-54, 55+）
age_groups = np.random.choice(['18-24', '25-34', '35-44', '45-54', '55+'], size=num_records)

# 随机生成地区
regions = np.random.choice(['North', 'South', 'East', 'West'], size=num_records)

# 创建 DataFrame
df = pd.DataFrame({
    'user_id': user_ids,
    'purchase_date': purchase_dates,
    'product_id': product_ids,
    'product_category': np.random.choice(product_categories, num_records),
    'purchase_amount': purchase_amounts,
    'age_group': age_groups,
    'region': regions
})

# 保存数据为CSV文件
df.to_csv('ecommerce_data.csv', index=False)
print("虚拟电商数据已生成并保存为 'ecommerce_data.csv'.")

通过以上代码，我们生成了一个包含1000条记录的电商数据集，包括用户ID、购买日期、产品ID、产品类别、购买金额、年龄段和地区等字段。你可以根据实际需要调整数据量和内容。

🎓环境配置与库导入

我们将使用Python的常见数据分析库，如pandas、numpy、matplotlib和seaborn。这些库可以帮助我们进行数据处理、统计分析以及可视化。

安装必要的库

首先，确保你已经安装了所需的库。如果尚未安装，可以通过以下命令进行安装：

pip install pandas numpy matplotlib seaborn

导入库

然后，我们在代码中导入相关的库：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

🎓数据加载与预处理

数据预处理是数据分析的第一步。我们需要加载数据，检查数据的结构，处理缺失值和异常值，确保数据质量。

🎓加载数据

假设我们已经生成并保存了ecommerce_data.csv文件，接下来，我们将加载数据并查看其基本信息：

# 加载数据
df = pd.read_csv('ecommerce_data.csv')

# 显示数据的前几行
print(df.head())

# 查看数据的基本信息
print(df.info())

🎓处理缺失值

我们检查数据中是否有缺失值，并根据情况选择填充或删除：

# 检查缺失值
print(df.isnull().sum())

# 填充缺失值
df.fillna(method='ffill', inplace=True)

🎓数据分析

🎓用户购买行为概况

首先，我们来分析每个用户的购买总额和购买频次。这有助于了解平台用户的消费习惯，以及哪些用户更活跃。

# 计算每个用户的总购买金额与购买次数
user_stats = df.groupby('user_id').agg(
    total_purchase_amount=('purchase_amount', 'sum'),
    purchase_count=('purchase_amount', 'count')
).reset_index()

# 显示前几行结果
print(user_stats.head())

🎓用户群体分析：年龄段

接下来，我们将对不同年龄段的用户进行分析，查看不同年龄段的平均购买金额，帮助我们识别出哪一类用户的消费能力最强。

# 按年龄段分组，计算每个年龄段的平均购买金额
age_group_stats = df.groupby('age_group')['purchase_amount'].mean().reset_index()

# 可视化年龄段与购买金额的关系
plt.figure(figsize=(10, 6))
sns.barplot(x='age_group', y='purchase_amount', data=age_group_stats)
plt.title('Average Purchase Amount by Age Group')
plt.xlabel('Age Group')
plt.ylabel('Average Purchase Amount')
plt.show()

🎓产品类别分析

产品类别分析可以帮助我们识别出哪些类别的产品最受欢迎。我们将按产品类别计算总销售额，并通过可视化展示各类别的销售情况。

# 按产品类别计算销售额
category_stats = df.groupby('product_category')['purchase_amount'].sum().reset_index()

# 可视化不同产品类别的销售额
plt.figure(figsize=(12, 6))
sns.barplot(x='purchase_amount', y='product_category', data=category_stats)
plt.title('Total Sales by Product Category')
plt.xlabel('Total Purchase Amount')
plt.ylabel('Product Category')
plt.show()

🎓购买频次分析

我们还可以通过用户购买次数的分布，了解平台上用户的购买频率。这有助于识别出平台的核心用户群体。

# 绘制购买次数的分布
plt.figure(figsize=(10, 6))
sns.histplot(user_stats['purchase_count'], bins=30, kde=True)
plt.title('Distribution of Purchase Frequency')
plt.xlabel('Number of Purchases')
plt.ylabel('Frequency')
plt.show()

🎓完整源码

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# 生成虚拟电商数据
np.random.seed(42)

num_records = 1000  # 数据记录数
user_ids = np.random.randint(1, 101, size=num_records)  # 100个用户
product_ids = np.random.randint(1, 21, size=num_records)  # 20个产品
product_categories = ['Electronics', 'Clothing', 'Home', 'Beauty', 'Sports']
purchase_amounts = np.round(np.random.uniform(5, 500, size=num_records), 2)
purchase_dates = pd.to_datetime(np.random.choice(pd.date_range('2023-01-01', '2023-12-31', freq='D'), num_records))

# 随机生成年龄段（假设年龄段为：18-24, 25-34, 35-44, 45-54, 55+）
age_groups = np.random.choice(['18-24', '25-34', '35-44', '45-54', '55+'], size=num_records)

# 随机生成地区
regions = np.random.choice(['North', 'South', 'East', 'West'], size=num_records)

# 创建 DataFrame
df = pd.DataFrame({
    'user_id': user_ids,
    'purchase_date': purchase_dates,
    'product_id': product_ids,
    'product_category': np.random.choice(product_categories, num_records),
    'purchase_amount': purchase_amounts,
    'age_group': age_groups,
    'region': regions
})

# 保存数据为CSV文件
df.to_csv('ecommerce_data.csv', index=False)
print("虚拟电商数据已生成并保存为 'ecommerce_data.csv'.")

# 载入数据
df = pd.read_csv('ecommerce_data.csv')

# 数据预处理
print("数据基本信息:")
print(df.info())

# 检查缺失值
print("\n缺失值统计:")
print(df.isnull().sum())

# 填充缺失值（如有）
df.fillna(method='ffill', inplace=True)

# 计算每个用户的购买总额和购买次数
user_stats = df.groupby('user_id').agg(
    total_purchase_amount=('purchase_amount', 'sum'),
    purchase_count=('purchase_amount', 'count')
).reset_index()

# 显示前几行结果
print("\n每个用户的购买总额与购买次数:")
print(user_stats.head())

# 用户群体分析：年龄段
age_group_stats = df.groupby('age_group')['purchase_amount'].mean().reset_index()

# 可视化年龄段与购买金额的关系
plt.figure(figsize=(10, 6))
sns.barplot(x='age_group', y='purchase_amount', data=age_group_stats)
plt.title('Average Purchase Amount by Age Group')
plt.xlabel('Age Group')
plt.ylabel('Average Purchase Amount')
plt.show()

# 产品类别分析：按产品类别计算销售额
category_stats = df.groupby('product_category')['purchase_amount'].sum().reset_index()

# 可视化不同产品类别的销售额
plt.figure(figsize=(12, 6))
sns.barplot(x='purchase_amount', y='product_category', data=category_stats)
plt.title('Total Sales by Product Category')
plt.xlabel('Total Purchase Amount')
plt.ylabel('Product Category')
plt.show()

# 购买频次分析：绘制购买次数的分布
plt.figure(figsize=(10, 6))
sns.histplot(user_stats['purchase_count'], bins=30, kde=True)
plt.title('Distribution of Purchase Frequency')
plt.xlabel('Number of Purchases')
plt.ylabel('Frequency')
plt.show()