includes 用戶行為數(shù)據(jù)和用戶基本信息數(shù)據(jù):重復(fù)值處理、缺失值處理、數(shù)據(jù)格式處理:日期格式轉(zhuǎn)換astype()看是否有重復(fù)值:先用df.info看每個字段的記錄數(shù)，再看去掉重復(fù)值后的數(shù)。從而判斷是否有重復(fù)數(shù)據(jù)?？梢允褂煤瘮?shù)drop_duplicates()通過df.info檢查數(shù)據(jù)格式可以看出time是對象類型，不適合處理。

為每個時間段做標(biāo)記，將時間段分為清晨，上午，中午，下午，晚上知識點:pd.cut函數(shù)，劃分區(qū)間檢查空值，計算數(shù)量?？梢钥吹?jīng)]有空值。在訂單表中按照(用戶，時間段)分組，取每個時間段的記錄數(shù)(訂單號):這里的操作流程類似于hivesql，我們需要先計算max，然后關(guān)聯(lián)。將生成的標(biāo)簽添加到標(biāo)簽列表:同樣的，可以統(tǒng)計用戶購買的活躍時間段，這里就不贅述了，只顯示結(jié)果分析用戶最喜歡的類別，方便大家推薦。

隨著各種商業(yè)軟件和app的豐富，單純依靠運營數(shù)據(jù)很難實現(xiàn)增值。描述用戶、精準(zhǔn)知識用戶 用戶畫像，讓數(shù)據(jù)分析結(jié)果驅(qū)動價值增長成為大勢所趨。那么，用戶 數(shù)據(jù)分析包含了什么呢？在我看來包括三個部分:基礎(chǔ)數(shù)據(jù)分析，行為數(shù)據(jù)分析，態(tài)度數(shù)據(jù)分析。1.基本數(shù)據(jù)分析該內(nèi)容主要描述用戶的基本信息，如性別、年齡、地區(qū)、學(xué)歷、工作、婚姻狀況等。

2.行為數(shù)據(jù)分析這一塊數(shù)據(jù)是互聯(lián)網(wǎng)上最容易獲取的，也是最容易實現(xiàn)價值的。行為數(shù)據(jù)很多，但都來自于用戶在一些網(wǎng)站或app等某些產(chǎn)品上的操作，包括訪問時長、購買商品種類等具體行為。3.態(tài)度數(shù)據(jù)分析態(tài)度數(shù)據(jù)比行為數(shù)據(jù)更難獲取。這個數(shù)據(jù)主要顯示了用戶的價值觀、喜好、興趣等態(tài)度觀點。這段數(shù)據(jù)很有價值，因為如果我們知道這樣的數(shù)據(jù)，我們就可以預(yù)測用戶的行為。

本數(shù)據(jù)報告以淘寶app平臺為數(shù)據(jù)集，通過行業(yè)指標(biāo)對淘寶用戶的行為進行分析，從而探究淘寶用戶的行為模式。具體指標(biāo)包括:日PV和日UV分析、付費率分析、回購行為分析、漏斗損失分析和。Output: output輸出:發(fā)現(xiàn)時間列和日期列應(yīng)該轉(zhuǎn)換成日期數(shù)據(jù)類型，小時列應(yīng)該是字符串?dāng)?shù)據(jù)類型。付費率:消費人數(shù)/活躍用戶回購人數(shù)，即購買了兩天以上。

大多數(shù)用戶消費次數(shù)隨著消費時間間隔的增加而減少，110天內(nèi)回購較多。10天之后淘寶用戶很少進行回購，需要關(guān)注淘寶用戶10天內(nèi)的回購行為，增加/123。不同用戶的平均回購時間呈正態(tài)分布，但總體來看，呈逐漸下降趨勢。大部分淘寶用戶的平均回購時間集中在15天以內(nèi)。不同用戶的平均回購時間呈正態(tài)分布，但總體來看，呈逐漸下降趨勢。

想一起問這個問題，一直想用戶 data做一個漂亮的分析圖。一般流程有兩個:一個是先有數(shù)據(jù)，看能對這些數(shù)據(jù)做什么分析，還有一個過程就是明確分析的目的，然后整理數(shù)據(jù)，最后進行分析。第二種方法是傳統(tǒng)的用戶 research方法，以目標(biāo)為導(dǎo)向，第一種方法測試分析師的知識儲備，以及對數(shù)據(jù)敏感度和問題敏感度的把握。如果是第二種，主要步驟如下:1，溝通并明確本次研究要達到的目標(biāo)用戶?？梢阅M一些確鑿的例子來和目標(biāo)方溝通，看看是不是自己想要的。