【Python实践案例】电商平台数据分析和挖掘 -用户行为分析
我们用 UserAnalyticsData 这个“乐高工厂”一次性生成 4 组核心指标：
| 维度 | 积木块 | 一句话卖点 |
|---|---|---|
| 设备分布 | Mobile 45% / Desktop 30% / Tablet 20% | 一眼看清“移动端优先”是不是伪命题 |
| 小时/周活跃度 | 7×24 热力图 | 工作日 9-18 点才是黄金 9 小时 |
| 全年日历 | 365 天日活 | 周末 vs 工作日，谁才是真高活 |
| 转化漏斗 | Homepage → Success 6 级流失 | 购物车到支付不到 83%，钱袋子破洞 |
代码只有 60 行，却像 4 条高速公路，把数据直接开到图表门口。
analytics_data = UserAnalyticsData(seed=42)环形图：掏空中心，留白暗示“其他”永远只是配角。
热力图：sns.heatmap 直接标数字，色块深浅=流量高低，0 思考成本。
年历图：用 calmap.yearplot 把 365 天压成一张“二维码”，周末红成一片。
漏斗图：不用第三方库，纯手工 matplotlib.patches.Rectangle
详细案例：
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import calmap
import matplotlib.patches as patches
from datetime import datetime, timedelta
class UserAnalyticsData:
def __init__(self, seed=42):
np.random.seed(seed)
self.generate_all_data()
def generate_device_data(self):
"""生成设备使用分布数据"""
self.devices = ['Mobile', 'Desktop', 'Tablet', 'Other']
self.device_values = [45, 30, 20, 5]
def generate_hourly_activity(self):
"""生成每小时活跃度数据"""
self.hours = range(24)
self.days = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']
# 模拟工作时间段(9-18点)活跃度较高的情况
base_activity = np.random.randint(10, 30, size=(7, 24))
work_hours_boost = np.zeros((7, 24))
work_hours_boost[:, 9:18] = np.random.randint(30, 70, size=(7, 9))
self.activity_data = (base_activity + work_hours_boost).astype(int)
def generate_yearly_activity(self):
"""生成全年活跃度数据"""
self.dates = pd.date_range('2024-01-01', '2024-12-31')
base_activity = np.random.randint(50, 100, len(self.dates))
# 模拟周末活跃度较高的情况
weekend_mask = self.dates.weekday.isin([5, 6])
weekend_boost = np.where(weekend_mask, np.random.randint(50, 100, len(self.dates)), 0)
self.daily_activity = pd.Series(base_activity + weekend_boost, index=self.dates)
def generate_user_flow(self):
"""生成用户流转数据"""
self.stages = ['Homepage', 'Category', 'Product', 'Cart', 'Payment', 'Success']
# 模拟真实的转化漏斗
initial_users = 100
conversion_rates = [0.8, 0.5, 0.75, 0.83] # 各阶段转化率
self.flow_values = [initial_users]
current_users = initial_users
for rate in conversion_rates:
current_users = int(current_users * rate)
self.flow_values.append(current_users)
def generate_all_data(self):
"""生成所有需要的数据"""
self.generate_device_data()
self.generate_hourly_activity()
self.generate_yearly_activity()
self.generate_user_flow()
class UserAnalyticsVisualizer:
def __init__(self, data):
self.data = data
def setup_plot_style(self):
"""设置绘图样式"""
plt.figure(figsize=(20, 15))
plt.rcParams['figure.facecolor'] = 'white'
plt.rcParams['axes.facecolor'] = 'white'
plt.rcParams['grid.color'] = 'gray'
plt.rcParams['grid.linestyle'] = '--'
plt.rcParams['font.sans-serif'] = ['SimHei'] # 使用黑体
plt.rcParams['axes.unicode_minus'] = False # 处理负号显示
def plot_device_distribution(self, ax):
"""绘制设备分布环形图"""
plt.sca(ax)
plt.pie(self.data.device_values, labels=self.data.devices,
autopct='%1.1f%%', pctdistance=0.85,
wedgeprops=dict(width=0.5))
plt.title('设备分布环形图')
def plot_activity_heatmap(self, ax):
"""绘制活跃度热力图"""
plt.sca(ax)
sns.heatmap(self.data.activity_data,
xticklabels=self.data.hours,
yticklabels=self.data.days,
cmap='YlOrRd',
annot=True,
fmt='d') # 使用'd'因为数据已经转换为整数
plt.title('活跃度热力图')
def plot_yearly_calendar(self, ax):
"""绘制年度日历图"""
plt.sca(ax)
calmap.yearplot(self.data.daily_activity,
year=2024,
cmap='YlOrRd',
fillcolor='lightgrey',
daylabels='MTWTFSS')
plt.title('年度日历图 (2024)')
def draw_flow(self, ax, x, y, width, height, color):
"""绘制流动效果辅助函数"""
rect = patches.Rectangle((x, y), width, height,
facecolor=color, alpha=0.6)
ax.add_patch(rect)
def plot_user_flow(self, ax):
"""绘制用户流转图"""
plt.sca(ax)
colors = plt.cm.Oranges(np.linspace(0.3, 0.9, len(self.data.stages)))
y_positions = np.linspace(0.2, 0.8, len(self.data.stages))
for i in range(len(self.data.flow_values)):
self.draw_flow(ax, i*0.15, y_positions[i], 0.1,
self.data.flow_values[i]/200, colors[i])
plt.text(i*0.15-0.02, y_positions[i],
self.data.stages[i], rotation=45)
if i < len(self.data.flow_values):
plt.text(i*0.15+0.05, y_positions[i]+self.data.flow_values[i]/400,
str(self.data.flow_values[i]))
ax.set_xlim(-0.1, 1)
ax.set_ylim(0, 1)
ax.axis('off')
plt.title('用户流转图')
def create_visualization(self):
"""创建所有可视化图表"""
self.setup_plot_style()
# 创建子图
ax1 = plt.subplot(221)
ax2 = plt.subplot(222)
ax3 = plt.subplot(223)
ax4 = plt.subplot(224)
# 绘制各个图表
self.plot_device_distribution(ax1)
self.plot_activity_heatmap(ax2)
self.plot_yearly_calendar(ax3)
self.plot_user_flow(ax4)
plt.tight_layout()
plt.show()
def generate_report(self):
"""生成数据分析报告"""
print("\n数据分析报告:")
print("1. 设备使用分布:")
print(f" - 移动端用户占比最高，达到{self.data.device_values[0]}%")
print(f" - 桌面端次之，占{self.data.device_values[1]}%")
print("\n2. 用户活跃时间分析:")
print(" - 工作日活跃度高于周末")
print(" - 高峰时段集中在9:00-18:00")
print("\n3. 全年活跃度分析:")
print(f" - 平均日活跃用户数: {self.data.daily_activity.mean():.0f}")
print(f" - 最高日活跃用户数: {self.data.daily_activity.max()}")
print("\n4. 用户行为流转:")
conversion_rate = (self.data.flow_values[-1] / self.data.flow_values[0]) * 100
cart_to_payment = (self.data.flow_values[-2] / self.data.flow_values[-3]) * 100
print(f" - 从首页到成功支付的转化率约为{conversion_rate:.1f}%")
print(f" - 购物车到支付环节的转化率为{cart_to_payment:.1f}%")
# 使用示例
if __name__ == "__main__":
# 生成数据
analytics_data = UserAnalyticsData(seed=42)
# 创建可视化器并展示结果
visualizer = UserAnalyticsVisualizer(analytics_data)
visualizer.create_visualization()
visualizer.generate_report()