Python 同期群分析实战（个人笔记）

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。