本文主要是介绍Python 同期群分析实战（个人笔记），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
关注微信公共号：小程在线
关注CSDN博客：程志伟的博客
完整脚本在公共号
Python 3.7.6 (default, Jan 8 2020, 20:23:39) [MSC v.1916 64 bit (AMD64)]
Type "copyright", "credits" or "license" for more information.
IPython 7.12.0 -- An enhanced Interactive Python.
加载数据
import pandas as pd
df = pd.read_excel(r'F:\Python\同期群订单数据.xlsx')
df.head()
Out[1]:
平台 店铺名称 客户昵称 付款时间 订单状态 支付金额 购买数量 省份
0 程志伟的博客 小程在线 入倩出入深 2019-09-01 00:10:04 交易成功 15.2 1 江苏省
1 程志伟的博客 小程在线 愛hya爱 2019-09-01 00:14:52 交易成功 8.4 1 广东省
2 程志伟的博客 小程在线 象95象大 2019-09-01 02:17:15 交易成功 8.4 1 辽宁省
3 程志伟的博客 小程在线 卡哇伊氛十 2019-09-01 03:37:28 交易成功 22.0 1 广西壮族自治区
4 程志伟的博客 小程在线 一只羊哈阿 2019-09-01 08:53:50 交易成功 85.0 1 辽宁省
#查看数据信息
df.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 42713 entries, 0 to 42712
Data columns (total 8 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 平台 42713 non-null object
1 店铺名称 42713 non-null object
2 客户昵称 42713 non-null object
3 付款时间 40339 non-null datetime64[ns]
4 订单状态 42713 non-null object
5 支付金额 42713 non-null float64
6 购买数量 42713 non-null int64
7 省份 42713 non-null object
dtypes: datetime64[ns](1), float64(1), int64(1), object(5)
memory usage: 2.6+ MB
缺失付款时间的数据，订单状态主要是“交易失败”
df.loc[df['付款时间'].isnull(),:].head()
Out[3]:
平台 店铺名称 客户昵称 付款时间 订单状态 支付金额 购买数量 省份
40339 程志伟的博客 小程在线 爱购物nx NaT 交易失败 97.8 1 浙江省
40340 程志伟的博客 小程在线 975ay NaT 交易失败 117.3 2 浙江省
40341 程志伟的博客 小程在线 101呆阿 NaT 交易失败 144.5 2 新疆维吾尔自治区
40342 程志伟的博客 小程在线 489bt NaT 交易失败 92.7 1 江苏省
40343 程志伟的博客 小程在线 姚琳儿姚姚 NaT 交易失败 8.4 1 广东省
缺失付款时间的订单都是“交易失败”状态，而完整的数据则是“交易成功”
df.loc[df['付款时间'].isnull(),:]['订单状态'].value_counts()
Out[4]:
交易失败 2374
Name: 订单状态, dtype: int64
df.loc[df['付款时间'].isnull()==False,:]['订单状态'].value_counts()
Out[5]:
交易成功 40339
Name: 订单状态, dtype: int64
只需要筛选出交易成功的订单就好
order = df.loc[df['付款时间'].isnull()==False,:]
order.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 40339 entries, 0 to 40338
Data columns (total 8 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 平台 40339 non-null object
1 店铺名称 40339 non-null object
2 客户昵称 40339 non-null object
3 付款时间 40339 non-null datetime64[ns]
4 订单状态 40339 non-null object
5 支付金额 40339 non-null float64
6 购买数量 40339 non-null int64
7 省份 40339 non-null object
dtypes: datetime64[ns](1), float64(1), int64(1), object(5)
memory usage: 2.8+ MB
用字符串形式的“年-月”标签更加方便：
order['时间标签'] = order['付款时间'].astype(str).str[:7]
order['时间标签'].value_counts().sort_index()
__main__: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: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
Out[7]:
2019-09 2201
2019-10 8096
2019-11 6050
2019-12 6760
2020-01 7443
2020-02 9789
Name: 时间标签, dtype: int64
订单源数据是从 19 年 9 月开始，到 2020 年 2 月。我们以 2019 年 10 月的数据为样板，实现单行的同期群分析。
month = '2019-10'
sample = order.loc[order['时间标签']==month,:]
print('10月订单数量：',len(sample))
sample.head()
sample_c = sample.groupby('客户昵称')['支付金额'].sum().reset_index()
print('10月客户数量：',len(sample_c))
sample_c.head()
10月订单数量： 8096
10月客户数量： 7336
Out[8]:
客户昵称 支付金额
0 0000栗 4.2
1 000ab 16.8
2 000al 16.8
3 000bb 16.8
4 000il 16.8
显而易见， 2019 年 10 月份一共有 7336 位客户，购买了 8096 笔订单。
接下来，我们要计算的是每个月的新增客户数，这个新增，是需要和之前的月份遍历匹配来验证的， 2019 年 10 月之前的客户就是 2019 年 9 月的数据：
history = order.loc[order['时间标签']=='2019-09']
history.head()
Out[9]:
平台 店铺名称 客户昵称 付款时间 订单状态 支付金额 购买数量 省份 时间标签
0 程志伟的博客 小程在线 入倩出入深 2019-09-01 00:10:04 交易成功 15.2 1 江苏省 2019-09
1 程志伟的博客 小程在线 愛hya爱 2019-09-01 00:14:52 交易成功 8.4 1 广东省 2019-09
2 程志伟的博客 小程在线 象95象大 2019-09-01 02:17:15 交易成功 8.4 1 辽宁省 2019-09
3 程志伟的博客 小程在线 卡哇伊氛十 2019-09-01 03:37:28 交易成功 22.0 1 广西壮族自治区 2019-09
4 程志伟的博客 小程在线 一只羊哈阿 2019-09-01 08:53:50 交易成功 85.0 1 辽宁省 2019-09
和历史数据做匹配，验证并筛选出 2019 年 10 月新增的客户数：
sample_c = sample_c.loc[sample_c['客户昵称'].isin(history['客户昵称'])==False,:]
print('2019年10月新增客户：',len(sample_c))
sample_c.head()
2019年10月新增客户： 7083
Out[10]:
客户昵称 支付金额
0 0000栗 4.2
1 000ab 16.8
2 000al 16.8
3 000bb 16.8
4 000il 16.8
然后， 和 10 月之后每个月的客户昵称进行匹配，计算出每个月的留存情况：
re=[]
for i in ['2019-11','2019-12','2020-01','2020-02']:
next_month = order.loc[order['时间标签']==i,:]
target_user = sample_c.loc[sample_c['客户昵称'].isin(next_month['客户昵称'])==True,:]
re.append([i+'留存情况：',len(target_user)])
re
把最开始的当月新增客户加入到列表：
re.insert(0,['2019年10月新增客户：',len(sample_c)])
re
Out[11]:
[['2019年10月新增客户：', 7083],
['2019-11留存情况：', 539],
['2019-12留存情况：', 428],
['2020-01留存情况：', 414],
['2020-02留存情况：', 426]]
结论：019 年 10 月新增客户 7083 位，次月（11 月）留存 539 人，随后有所降低，
而到了 2020 年 2 月留存回购客户数较上月有小幅上升
month_lst = order['时间标签'].unique()
month_lst
Out[12]:
array(['2019-09', '2019-10', '2019-11', '2019-12', '2020-01', '2020-02'],
dtype=object)
遍历合并，完成脚本：
final
Out[13]:
当月新增 +1月 +2月 +3月 +4月 +5月
2019-09 2042 253 219 167 159 165
2019-10 253 89 69 76 67 0
2019-11 758 193 195 193 0 0
2019-12 1043 334 299 0 0 0
2020-01 1434 429 0 0 0 0
真实数据是留存率形式体现，再稍做加工即可：
result = final.divide(final['当月新增'],axis=0).iloc[:,1:]
result['当月新增'] = final['当月新增']
result
Out[14]:
+1月 +2月 +3月 +4月 +5月 当月新增
2019-09 0.123898 0.107248 0.081783 0.077865 0.080803 2042
2019-10 0.351779 0.272727 0.300395 0.264822 0.000000 253
2019-11 0.254617 0.257256 0.254617 0.000000 0.000000 758
2019-12 0.320230 0.286673 0.000000 0.000000 0.000000 1043
2020-01 0.299163 0.000000 0.000000 0.000000 0.000000 1434
• 横向观察，次月流失严重，表现最好的月份次月留存也只有 12%，随后平稳降低，稳定在 6%左右。
• 纵向对比， 2019 年当月新增客户最少，仅有 2042 位，但人群相对精准，留存率表现优于其他月份。
这篇关于Python 同期群分析实战（个人笔记）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
