問題一代碼

本文從購買力、購買時間偏好兩個維度分析會員的消費(fèi)特征。
以會員消費(fèi)總金額、消費(fèi)次數(shù)、商品購買數(shù)量代表會員購買力；
同時按季節(jié)和天對會員消費(fèi)行為進(jìn)行消費(fèi)時間偏好分析。
同時對會員及非會員的消費(fèi)次數(shù)和消費(fèi)金額進(jìn)行對比分析。

導(dǎo)入包及數(shù)據(jù)

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

from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score
from sklearn.preprocessing import StandardScaler,MinMaxScaler

%matplotlib inline
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
matplotlib.rcParams.update({'font.size' : 16})
plt.style.use('ggplot')
warnings.filterwarnings('ignore')

data1=pd.read_excel('./2018-C-Chinese的副本/附件1-會員信息表.xlsx')
data2=pd.read_excel('./2018-C-Chinese的副本/附件3-會員消費(fèi)明細(xì)表.xlsx')

數(shù)據(jù)探索與預(yù)處理

1.附件一會員信息表探索與預(yù)處理

#查看是否缺失數(shù)據(jù)
print('會員信息表一共有{}行記錄，{}列'.format(data1.shape[0],data1.shape[1]))
print('數(shù)據(jù)缺失情況為:\n',data1.isnull().sum())
print('會員不重復(fù)卡號kh的信息有',len(data1['kh'].unique()))

#會員卡號去重
print("去除重復(fù)值前的數(shù)據(jù)量", data1.shape)   
data1.drop_duplicates(subset=['kh'],keep='first',inplace=True)
print("去除重復(fù)值后的數(shù)據(jù)量", data1.shape)  

#去除登記時間的缺失值，并去重
print("去除重復(fù)值前的數(shù)據(jù)量", data1.shape)   
data1.dropna(subset='djsj',inplace=True)
print("去除登記時間的缺失值，并去重?cái)?shù)據(jù)量", data1.shape) 

#性別上缺失的比例較少，所以使用眾數(shù)填充
data1['xb'].fillna(data1['xb'].mode().values[0],inplace=True)

#檢驗(yàn)是否在登記時間這一字段中存在異常值，若存在異常值，則無法進(jìn)行基本操作
data1_1 = data1['djsj'] + pd.Timedelta(days=1)

#查看處理完成的數(shù)據(jù)缺失值情況
data1.isnull().sum()

#對于出生日期的處理
#由于出生日期缺失值過多，且存在較多的異常值，不能貿(mào)然刪除
#故下面另建一個數(shù)據(jù)集L來保存“出生日期”和‘性別’信息，方便下面對會員的性別和年齡信息進(jìn)行統(tǒng)計(jì)
L = pd.DataFrame(data1.loc[data1['csny'].notnull(),['csny','xb']])
L['age'] = L['csny'].astype(str).apply(lambda x:x[0:3]+'0')
L.drop('csny',axis=1,inplace=True)
L['age'].value_counts()

# 出生日期這列中出現(xiàn)較多的異常值，以一個正常人壽命為100年算起，我們假定會員年齡范圍在1922-2022年起
# 將超過該范圍的值當(dāng)作異常值進(jìn)行剔除
L['age'] = L['age'].astype(int)
condaition = 'age >= 1922 and age <=2022'
L = L.query(condaition)
L.index = range(L.shape[0])
L['age'].value_counts()

# 用于與銷售流水表進(jìn)行合并的數(shù)據(jù)只取['會員卡號', '性別', '登記時間']這三列，將出生日期這列意義不大的進(jìn)行刪除（這列信息最有可能出錯），并重置索引
data1.drop('csny', axis = 1, inplace = True)
data1.index = range(data1.shape[0])
print('數(shù)據(jù)清洗之后共有{}行記錄，{}列字段，字段分別為{}'.format(data1.shape[0], data1.shape[1], data1.columns.tolist()))

2.附件三會員銷售流水表
對于不是本地會員的會員當(dāng)作非會員處理。

#檢查是否含有缺失值
print('未處理時的數(shù)據(jù)數(shù)目：',data2.shape[0],data2.shape[1])
print('缺失值數(shù)據(jù)數(shù)目:',data2.isnull().sum())

#檢查將售價、數(shù)量、金額、積分是否都大于0
print('商品售價大于0的數(shù)量：{} \t 全部記錄有{}'.format(len(data2['sj']>0),len(data2['sj'])))

print('商品數(shù)量大于0的數(shù)量：{} \t 全部記錄有{}'.format(len(data2['sl']>0),len(data2['sl'])))
print('會員積分大于0的數(shù)量：{} \t 全部記錄有{}'.format(len(data2['jf']>0),len(data2['jf'])))
data2.drop(['syjh', 'gzbm', 'gzmc'], axis = 1, inplace = True)
# 重置索引
data2.index = range(data2.shape[0])

3.將會員信息表喝會員消費(fèi)信息明細(xì)進(jìn)行合并

#按照兩表的卡號信息將兩表合并，將附件2中有會員卡號的進(jìn)行左合并,得到附件1會員和非會員的數(shù)據(jù)
data_merge = pd.merge(data2,data1,on='kh',how='left')
data_merge

# 再次查看金額>0,積分>0,數(shù)量>0
index1 = data_merge['je'] > 0
index2 = data_merge['jf'] > 0
index3 = data_merge['sl'] > 0
data_merge1 = data_merge.loc[index1 & index2 & index3,:]
data_merge1.index = range(data_merge1.shape[0])
data_merge1.shape

#創(chuàng)造字段檢查其是否為會員
data_merge1['vip'] = 1
data_merge1

data_merge1.loc[data_merge1['xb'].isnull(),'vip'] = 0
data_merge1

4.處理附件二

data_total = pd.read_excel('./2018-C-Chinese的副本/附件2-銷售流水表.xlsx')

print(data_total.shape)
print(data_total.isnull().sum()) #未發(fā)現(xiàn)缺失值
data_total = data_total.drop_duplicates()
print(data_total.shape)

#檢查將售價、數(shù)量、金額、積分是否都大于0
print('商品售價大于0的數(shù)量：{} \t 全部記錄有{}'.format(len(data_total['sj']>0),len(data_total['sj'])))
print('商品數(shù)量大于0的數(shù)量：{} \t 全部記錄有{}'.format(len(data_total['sl']>0),len(data_total['sl'])))
print('積分大于0的數(shù)量：{} \t 全部記錄有{}'.format(len(data_total['je']>0),len(data_total['je'])))

#檢驗(yàn)是否在-登記時間這一字段中存在異常值，若存在異常值，則無法進(jìn)行基本操作
data_total_1 = data_total['dtime'] + pd.Timedelta(days=1)
#經(jīng)檢驗(yàn)日期時間沒有問題

5.附件二和上處理的一三合并的文件進(jìn)行二次合并

#檢查各個數(shù)據(jù)集長度
print(f'附件二{len(data_total)}\t附件一和三合并{len(data_merge1)}')

data23 = pd.merge(data_total,data_merge1,on=['dtime','spbm','je'],how='left')

data23.loc[data23['vip'].isnull(),'vip'] = 0

data23.drop(['kh','sj_y','sl_y','kh','xb','djsj'],axis=1,inplace=True)

fig, axs = plt.subplots(1, 2, figsize = (12, 7), dpi = 100)
axs[0].pie([len(data23.loc[data23['vip']==1,'dtime'].unique()),len(data23.loc[data23['vip']==0,'dtime'].unique())],
          labels = ['vip','normal'], wedgeprops = {'width': 0.4}, counterclock = False, autopct = '%.2f%%', pctdistance = 0.8)
axs[0].set_title('total dingdan%')
axs[1].pie([data23.loc[data23['vip'] == 1, 'je'].sum(), data23.loc[data23['vip'] == 0, 'je'].sum()], 
          labels = ['vip', 'normal'], wedgeprops = {'width': 0.4}, counterclock = False, autopct = '%.2f%%', pctdistance = 0.8)
axs[1].set_title('total je%')

會員統(tǒng)計(jì)分析

分析會員的年齡構(gòu)成、男女比例等基本信息

#處理男女比例這一列，女0，男1
L['xb'] = L['xb'].apply(lambda x:'male' if x==1 else 'female')
sex_sort = L['xb'].value_counts()

#將年齡劃分為不同年齡段
#老年（1920-1950）、中年（1960-1990）、青年（1990-2010）
L['age group']='middle'
L.loc[L['age'] <= 1950,'age group'] = 'old'
L.loc[L['age'] >= 1990,'age group'] = 'young'
res = L['age group'].value_counts()

#使用上述預(yù)處理后的數(shù)據(jù)L，包含兩個字段，分別是age和性別，先畫出年齡條形圖
fig, axs = plt.subplots(1,2,figsize=(16,7),dpi=100)
#繪制條形圖
ax = sns.countplot(x='age',data = L,ax = axs[0])
for p in ax.patches:
    height = p.get_height()
    ax.text(x = p.get_x() + (p.get_width() / 2), y = height + 500, s = '{:.0f}'.format(height), ha = 'center')
axs[0].set_title('year of birth')
# 繪制餅圖
axs[1].pie(sex_sort, labels = sex_sort.index, wedgeprops = {'width': 0.4}, counterclock = False, autopct = '%.2f%%', pctdistance = 0.8)
axs[1].set_title('male vs female')

# 繪制各個年齡段的餅圖
plt.figure(figsize = (8, 6), dpi = 100)
plt.pie(res.values, labels = ['middle', 'young', 'old'], autopct = '%.2f%%', pctdistance = 0.8, 
        counterclock = False, wedgeprops = {'width': 0.4})
plt.title('fenbu')
#plt.savefig('./age fenbu.png')

分析會員的總訂單占比，總消費(fèi)金額占比等消費(fèi)情況

fig, axs = plt.subplots(1, 2, figsize = (12, 7), dpi = 100)
axs[0].pie([len(data_merge1.loc[data_merge1['vip']==1,'dtime'].unique()),len(data_merge1.loc[data_merge1['vip']==0,'dtime'].unique())],
          labels = ['vip','normal'], wedgeprops = {'width': 0.4}, counterclock = False, autopct = '%.2f%%', pctdistance = 0.8)
axs[0].set_title('total dingdan%')
axs[1].pie([data_merge1.loc[data_merge1['vip'] == 1, 'je'].sum(), data_merge1.loc[data_merge1['vip'] == 0, 'je'].sum()], 
          labels = ['vip', 'normal'], wedgeprops = {'width': 0.4}, counterclock = False, autopct = '%.2f%%', pctdistance = 0.8)
axs[1].set_title('total je%')

分別以季度和天為單位，分析不同時間段會員的消費(fèi)時間偏好

不同季度和天為單位的消費(fèi)時間偏好

# 將會員的消費(fèi)數(shù)據(jù)另存為另一個數(shù)據(jù)集
df_vip = df1.dropna()
df_vip.drop(['會員'], axis = 1, inplace = True)
df_vip.index = range(df_vip.shape[0])
df_vip.info()

# 將“消費(fèi)產(chǎn)生的時間”轉(zhuǎn)變成日期格式
df_vip['消費(fèi)產(chǎn)生的時間'] = pd.to_datetime(df_vip['消費(fèi)產(chǎn)生的時間'])
# 新增四列數(shù)據(jù)，季度、天、年份和月份的字段
df_vip['年份'] = df_vip['消費(fèi)產(chǎn)生的時間'].dt.year
df_vip['月份'] = df_vip['消費(fèi)產(chǎn)生的時間'].dt.month
df_vip['季度'] = df_vip['消費(fèi)產(chǎn)生的時間'].dt.quarter
df_vip['天'] = df_vip['消費(fèi)產(chǎn)生的時間'].dt.day
df_vip.head()

# 前提假設(shè)：2015-2018年之間，消費(fèi)者偏好在時間上不會發(fā)生太大的變化（均值），消費(fèi)偏好——>以不同時間的訂單數(shù)來衡量
quarters_list, quarters_order = orders(df_vip, '季度', 3)
days_list, days_order = orders(df_vip, '天', 36)
time_list = [quarters_list, days_list]
order_list = [quarters_order, days_order]
maxindex_list = [quarters_order.index(max(quarters_order)), days_order.index(max(days_order))]
fig, axs = plt.subplots(1, 2, figsize = (18, 7), dpi = 100)
colors = np.random.choice(['r', 'g', 'b', 'orange', 'y'], replace = False, size = len(axs))
titles = ['季度的均值消費(fèi)偏好', '天數(shù)的均值消費(fèi)偏好']
labels = ['季度', '天數(shù)']
for i in range(len(axs)):
    ax = axs[i]
    ax.plot(time_list[i], order_list[i], linestyle = '-.', c = colors[i], marker = 'o', alpha = 0.85)
    ax.axvline(x = time_list[i][maxindex_list[i]], linestyle = '--', c = 'k', alpha = 0.8)
    ax.set_title(titles[i])
    ax.set_xlabel(labels[i])
    ax.set_ylabel('均值消費(fèi)訂單數(shù)')
    print(f'{titles[i]}最優(yōu)的時間為: {time_list[i][maxindex_list[i]]}\t 對應(yīng)的均值消費(fèi)訂單數(shù)為: {order_list[i][maxindex_list[i]]}')
plt.savefig('./季度和天數(shù)的均值消費(fèi)偏好情況.png')

不同年份之間的的季度或天數(shù)的消費(fèi)訂單差異

# 自定義函數(shù)來繪制不同年份之間的的季度或天數(shù)的消費(fèi)訂單差異
def plot_qd(df, label_y, label_m, nrow, ncol):
    """
    df: 為DataFrame的數(shù)據(jù)集
    label_y: 為年份的字段標(biāo)簽
    label_m: 為標(biāo)簽的一個列表
    n_row: 圖的行數(shù)
    n_col: 圖的列數(shù)
    """
    # 必須去掉最后一年的數(shù)據(jù)，只能對2015-2017之間的數(shù)據(jù)進(jìn)行分析
    y_list = np.sort(df[label_y].unique().tolist())[:-1]
    colors = np.random.choice(['r', 'g', 'b', 'orange', 'y', 'k', 'c', 'm'], replace = False, size = len(y_list))
    markers = ['o', '^', 'v']
    plt.figure(figsize = (8, 6), dpi = 100)
    fig, axs = plt.subplots(nrow, ncol, figsize = (16, 7), dpi = 100)
    for k in range(len(label_m)):
        m_list = np.sort(df[label_m[k]].unique().tolist())
        for i in range(len(y_list)):
            order_m = []
            index1 = df[label_y] == y_list[i]
            for j in range(len(m_list)):
                index2 = df[label_m[k]] == m_list[j]
                order_m.append(len(df.loc[index1 & index2, '消費(fèi)產(chǎn)生的時間'].unique()))
            axs[k].plot(m_list, order_m, linestyle ='-.', c = colors[i], alpha = 0.8, marker = markers[i], label = y_list[i], markersize = 4)
        axs[k].set_xlabel(f'{label_m[k]}')
        axs[k].set_ylabel('消費(fèi)訂單數(shù)')
        axs[k].set_title(f'2015-2018年會員的{label_m[k]}消費(fèi)訂單差異')
        axs[k].legend()
    plt.savefig(f'./2015-2018年會員的{"和".join(label_m)}消費(fèi)訂單差異.png')

plot_qd(df_vip, '年份', ['季度', '天'], 1, 2)

不同年份之間的月份消費(fèi)訂單差異

# 自定義函數(shù)來繪制不同年份之間的月份消費(fèi)訂單差異
def plot_ym(df, label_y, label_m):
    """
    df: 為DataFrame的數(shù)據(jù)集
    label_y: 為年份的字段標(biāo)簽
    label_m: 為月份的字段標(biāo)簽
    """
    # 必須去掉最后一年的數(shù)據(jù)，只能對2015-2017之間的數(shù)據(jù)進(jìn)行分析
    y_list = np.sort(df[label_y].unique().tolist())[:-1]
    m_list = np.sort(df[label_m].unique().tolist())
    colors = np.random.choice(['r', 'g', 'b', 'orange', 'y'], replace = False, size = len(y_list))
    markers = ['o', '^', 'v']
    fig, axs = plt.subplots(1, 2, figsize = (18, 8), dpi = 100)
    for i in range(len(y_list)):
        order_m = []
        money_m = []
        index1 = df[label_y] == y_list[i]
        for j in range(len(m_list)):
            index2 = df[label_m] == m_list[j]
            order_m.append(len(df.loc[index1 & index2, '消費(fèi)產(chǎn)生的時間'].unique()))
            money_m.append(df.loc[index1 & index2, '消費(fèi)金額'].sum())
        axs[0].plot(m_list, order_m, linestyle ='-.', c = colors[i], alpha = 0.8, marker = markers[i], label = y_list[i])
        axs[1].plot(m_list, money_m, linestyle ='-.', c = colors[i], alpha = 0.8, marker = markers[i], label = y_list[i])
        axs[0].set_xlabel('月份')
        axs[0].set_ylabel('消費(fèi)訂單數(shù)')
        axs[0].set_title('2015-2018年會員的消費(fèi)訂單差異')
        axs[1].set_xlabel('月份')
        axs[1].set_ylabel('消費(fèi)金額總數(shù)')
        axs[1].set_title('2015-2018年會員的消費(fèi)金額差異')
        axs[0].legend()
        axs[1].legend()
    plt.savefig('./2015-2018年會員的消費(fèi)訂單和金額差異.png')

# 調(diào)用函數(shù)
plot_ym(df_vip, '年份', '月份')

# 再來分析下時間上的差差異——消費(fèi)訂單數(shù)
df_vip['時間'] = df_vip['消費(fèi)產(chǎn)生的時間'].dt.hour
x_list, order_nums = orders(df_vip, '時間', 1)

maxindex = order_nums.index(max(order_nums))
plt.figure(figsize = (8, 6), dpi = 100)
plt.plot(x_list, order_nums, linestyle = '-.', marker = 'o', c = 'm', alpha = 0.8)
plt.xlabel('小時')
plt.ylabel('消費(fèi)訂單')
plt.axvline(x = x_list[maxindex], linestyle = '--', c = 'r', alpha = 0.6)
plt.title('2015-2018年各段小時的銷售訂單數(shù)')
plt.savefig('./2015-2018年各段小時的銷售訂單數(shù).png')

會員與非會員統(tǒng)計(jì)分析

fig, axs = plt.subplots(1, 2, figsize = (12, 7), dpi = 100)
axs[0].pie([len(data23.loc[data23['vip']==1,'dtime'].unique()),len(data23.loc[data23['vip']==0,'dtime'].unique())],
          labels = ['vip','normal'], wedgeprops = {'width': 0.4}, counterclock = False, autopct = '%.2f%%', pctdistance = 0.8)
axs[0].set_title('total dingdan%')
axs[1].pie([data23.loc[data23['vip'] == 1, 'je'].sum(), data23.loc[data23['vip'] == 0, 'je'].sum()], 
          labels = ['vip', 'normal'], wedgeprops = {'width': 0.4}, counterclock = False, autopct = '%.2f%%', pctdistance = 0.8)
axs[1].set_title('total je%')

文章來源地址http://www.zghlxwxcb.cn/news/detail-633826.html

到了這里，關(guān)于【數(shù)學(xué)建?！?018年數(shù)學(xué)建模國賽C題 問題一代碼的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！