Python数据分析案例分析

Python数据分析是一个非常广泛的领域，涉及到数据清洗、探索性数据分析（EDA）、统计建模、机器学习等多个方面。以下是一个简单的Python数据分析案例分析，我们将使用一个假设的数据集来演示整个流程。

案例背景

假设我们是一家电商公司的数据分析师，我们需要分析用户购买行为，以便更好地理解用户需求，优化产品推荐系统。

数据集

我们有一个名为user_purchase_data.csv的数据集，包含以下字段：

• user_id: 用户ID
• product_id: 产品ID
• category: 产品类别
• price: 产品价格
• purchase_date: 购买日期

分析步骤

1. 数据加载

首先，我们需要加载数据集进行分析。

import pandas as pd

# 加载数据集
data = pd.read_csv('user_purchase_data.csv')

2. 数据清洗

检查数据集中的缺失值和异常值，并进行相应的处理。

# 检查缺失值
print(data.isnull().sum())

# 填充缺失值（如果有）
data['category'].fillna('Unknown', inplace=True)

# 检查异常值（例如，价格为负数）
data = data[data['price'] > 0]

3. 探索性数据分析（EDA）

对数据进行初步探索，了解数据的基本分布和特征。

# 查看数据集的前几行
print(data.head())

# 描述性统计
print(data.describe())

# 按类别查看购买次数
purchase_counts_by_category = data['category'].value_counts()
print(purchase_counts_by_category)

# 按用户查看购买次数
purchase_counts_by_user = data['user_id'].value_counts()
print(purchase_counts_by_user.head())

4. 数据可视化

使用可视化工具（如Matplotlib或Seaborn）来展示数据分析结果。

import matplotlib.pyplot as plt
import seaborn as sns

# 设置绘图风格
sns.set(style="whitegrid")

# 绘制产品类别购买次数柱状图
plt.figure(figsize=(10, 6))
sns.barplot(x=purchase_counts_by_category.index, y=purchase_counts_by_category.values)
plt.xlabel('Category')
plt.ylabel('Purchase Count')
plt.title('Purchase Counts by Category')
plt.xticks(rotation=45)
plt.show()

# 绘制用户购买次数分布直方图
plt.figure(figsize=(10, 6))
sns.histplot(purchase_counts_by_user, bins=50, kde=True)
plt.xlabel('Purchase Count')
plt.ylabel('Frequency')
plt.title('Distribution of Purchase Counts by User')
plt.show()

5. 统计建模

根据分析结果，我们可以进行一些统计建模，例如预测用户的购买行为。

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import accuracy_score

# 特征工程：创建新的特征，例如用户购买频率
data['purchase_frequency'] = data.groupby('user_id')['purchase_date'].transform(lambda x: x.diff().dt.days.mean())

# 选择特征和目标变量
features = ['category', 'price', 'purchase_frequency']
target = 'user_id'

# 将类别特征转换为数值
data = pd.get_dummies(data, columns=['category'])

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(data[features], data[target], test_size=0.2, random_state=42)

# 训练逻辑回归模型
model = LogisticRegression(max_iter=1000)
model.fit(X_train, y_train)

# 预测并评估模型
y_pred = model.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print(f'Model Accuracy: {accuracy:.2f}')

结论

通过上述分析，我们可以得出以下结论：

1. 某些产品类别的购买次数显著高于其他类别。
2. 大部分用户的购买频率集中在某个范围内。
3. 逻辑回归模型在预测用户购买行为方面具有一定的准确性。

这些结论可以帮助我们优化产品推荐系统，提高用户满意度和销售额。

进一步分析

根据具体需求，还可以进行以下进一步分析：

• 时间序列分析：分析购买行为随时间的变化趋势。
• 聚类分析：将用户分为不同的群体，分析各群体的特征。
• 关联规则挖掘：发现不同产品之间的关联关系。

希望这个案例分析对你有所帮助！如果有任何问题，请随时提问。