Python 实战:电商用户行为全流程分析

python                  import pandas as pd                  import numpy asnpimport matplotlib.pyplot as plt                  # 设置中文字体，避免可视化乱码                  plt.rcParams['font.sans-serif'] = ['SimHei']                  plt.rcParams['axes.unicode_minus'] = False

python                  # 读取数据（这里用模拟数据演示，真实场景可替换为你的CSV文件）                  data = {                  "user_id": [1001, 1002, 1003, 1001, 1002, 1004, 1003, 1001],                  "behavior": ["view", "cart", "buy", "view", "buy", "view", "cart", "buy"],                  "timestamp": ["2025-05-01 09:30", "2025-05-01 10:15", "2025-05-01 11:00",                  "2025-05-01 14:20", "2025-05-01 15:30", "2025-05-01 16:10",                  "2025-05-01 17:05", "2025-05-01 18:20"],                  "product_id": [201, 202, 201, 203, 202, 204, 203, 201],                  "category": ["数码", "服饰", "数码", "家居", "服饰", "美妆", "家居", "数码"]                  }                  df = pd.DataFrame(data)                  # 查看数据基本信息                  print("数据前5行：")                  print(df.head())                  print("\n数据信息概览：")                  print(df.info())

Plain Text                  # 运行结果                  数据前5行：                  user_id behaviortimestampproduct_id category                  01001view2025-05-01 09:30201数码                  11002cart2025-05-01 10:15202服饰                  21003buy2025-05-01 11:00201数码                  31001view2025-05-01 14:20203家居                  41002buy2025-05-01 15:30202服饰                  数据信息概览：                  RangeIndex: 8 entries, 0 to 7          Data columns (total 5 columns):             #ColumnNon-Null CountDtype          ----------------------------             0user_id8 non-nullint64             1behavior8 non-nullobject             2timestamp8 non-nullobject             3product_id8 non-nullint64             4category8 non-nullobject          dtypes: int64(2), object(3)          memory usage: 448.0 bytes

python                  # 转换时间戳为datetime格式                  df['timestamp'] = pd.to_datetime(df['timestamp'])                  # 分析时间边界                  min_time = df['timestamp'].min()                  max_time = df['timestamp'].max()                  print(f"数据时间范围：从 {min_time} 到 {max_time}")

Plain Text                  # 运行结果                  数据时间范围：从 2025-05-01 09:30:00 到 2025-05-01 18:20:00

python                  # 检查缺失值                  print("缺失值统计：")                  print(df.isnull().sum())                  # 删除包含缺失值的记录（如果存在）                  df_clean = df.dropna()                  print(f"\n清洗后数据量：{len(df_clean)} 条（清洗前：{len(df)} 条）")

Plain Text                  # 运行结果                  缺失值统计：                  user_id0                  behavior0                  timestamp0                  product_id0                  category0                  dtype: int64                  清洗后数据量：8 条（清洗前：8 条）

💡 本案例无缺失值，真实场景中 dropna() 会自动删除含缺失值的行。

python                  # 统计不同行为的数量                  behavior_count = df['behavior'].value_counts()                  print("用户行为分布：")                  print(behavior_count)                  # 可视化行为分布                  plt.figure(figsize=(8, 4))                  behavior_count.plot(kind='bar', color=['#FF9999', '#66B2FF', '#99FF99'])                  plt.title('用户行为分布')                  plt.xlabel('行为类型')                  plt.ylabel('次数')                  plt.show()

Plain Text                  # 运行结果                  用户行为分布：                  view3                  buy3                  cart2                  Name: behavior, dtype: int64

python                  # 统计不同类别的商品行为次数                  category_count = df['category'].value_counts()                  print("商品类别热度分布：")                  print(category_count)                  # 可视化饼图分布                  plt.figure(figsize=(6, 6))                  category_count.plot(kind='pie', autopct='%1.1f%%', colors=['#FF9999', '#66B2FF', '#99FF99', '#FFCC99'])                  plt.title('商品类别热度占比')                  plt.ylabel('')                  plt.show()

Plain Text                  # 运行结果                  商品类别热度分布：                  数码3                  服饰2                  家居2                  美妆1                  Name: category, dtype: int64

python                  # 模拟用户信息表                  user_info = pd.DataFrame({                  "user_id": [1001, 1002, 1003, 1004],                  "age_group": ["20-25", "26-30", "20-25", "31-35"],                     "gender": ["男", "女", "女", "男"]                  })                  # 方式1：使用join函数合并两张表（按user_id关联）                  # 先设置索引，再join                  df_indexed = df.set_index('user_id')                  user_indexed = user_info.set_index('user_id')                  merged_df = df_indexed.join(user_indexed, on='user_id', how='left')                  print("合并后数据前5行：")                  print(merged_df.head())

Plain Text                  # 运行结果                  合并后数据前5行：                  behaviortimestampproduct_id category age_group gender                  user_id1001view 2025-05-01 09:30:00201数码20-25男                  1001view 2025-05-01 14:20:00203家居20-25男                  1001buy 2025-05-01 18:20:00201数码20-25男                  1002cart 2025-05-01 10:15:00202服饰26-30女                  1002buy 2025-05-01 15:30:00202服饰26-30女

python                  # 新增自定义字段：是否为购买行为                  merged_df['is_buy'] = merged_df['behavior'].apply(lambda x: 1 if x == 'buy' else 0)                  print("新增字段后数据：")                  print(merged_df[['behavior', 'is_buy']].head())                  # 使用loc筛选女性用户的购买记录                  female_buy = merged_df.loc[(merged_df['gender'] == '女') & (merged_df['is_buy'] == 1)]                  print("\n女性用户购买记录：")                  print(female_buy)

Plain Text                  # 运行结果                  新增字段后数据：                  behavioris_buy                  user_id1001view0                  1001view0                  1001buy1                  1002cart0                  1002buy1                  女性用户购买记录：                  behaviortimestampproduct_id category age_group genderis_buy                  user_id1002buy 2025-05-01 15:30:00202服饰26-30女1