数据分析实战 | Pandas交叉列表探寻用户数下降的原因

大家好，我是丁小杰。 本篇是《数据分析实战》系列第二篇，案例来源为《数据分析实战》一书，书中使用的是 R 语言，接下来一段时间，我会用 Python + Tableau 尽可能的将案例复现出来，以供大家学习。

场景描述

某公司经营的一款 APP 小游戏，游戏的用户数一直维持在一定的水平。然而，从 9 月开始，用户数开始大量减少。根据以往经验尝试做出如下假设。

• 商业推广上存在问题，流失的用户数超过了新增的用户数
• 每月不同主题的游戏活动开始变得很无聊，用户都不爱玩了
• 按用户的性别或者年龄段等属性来划分用户群，可能是其中某个用户群出现了问题

经了解发现

• 同上月相比，商业推广的力度大体没变，新增用户数也大致保持在相同的水平
• 开展的各种游戏活动同上月相比几乎没有变化

因此，只剩下第 3 条假设没能得到验证了。再进一步深挖假设的内容，可以知道用户群通常是按照 性别 、年龄段 等来划分的。于是，首先我们可以考虑是否有某个属性的用户群数量减少了，然后通过和上月的数据加以比较，确认用户数量减少了的用户属性，并思考如何恢复用户数量。

注：由于无法事先猜测问题出现的原因，而是需要通过数据分析来探索原因所在，这种方式称为“探索型数据分析”。

数据描述 DAU（Daily Active User）

每天至少来访 1 次的用户数据，139112 行。

字段类型含义log_datestr访问时间app_namestr应用名user_idnumpy.int64用户 ID user_info

用户属性数据

字段类型含义install_datastr首次使用日期app_namestr应用名称user_idnumpy.int64用户 IDgenderstr性别generationnumpy.int64年龄段device_typestr设备类型 数据分析 数据读取

读取两个数据集。

import pandas as pd

DAU_data = pd.read_csv('DAU.csv')
user_data = pd.read_csv('user_info.csv')

显示 DAU 数据集前五行。

DAU_data.head()

显示 user_data 数据集前五行。

user_data.head()

将 DAU 与 user_data 以 user_id 为 key 进行合并，取交集。

all_df = DAU_data.merge(user_data, on=['user_id', 'app_name'])
all_df.head()

修改，新增列。

列名修改前修改后genderF/M女/男generation1010-19新增 log_month2013-08-018 月

import numpy as np

all_df['gender'] = all_df['gender'].replace({'F':'女','M':'男'})
all_df['generation'] = all_df['generation'].apply(lambda x:str(x) + '-' + str(x + 9))
all_df['log_month'] = pd.to_datetime(all_df['log_date']).map(lambda x : x.strftime("%m")[1] + '月'

用户性别分析

统计两月中男女用户的人数，看看性别比例是否相差较大。

all_df.pivot_table(index='log_month',
                   columns='gender',
                   values='user_id',
                   aggfunc=np.count_nonzero)

从上表来看，虽然整体上用户数量在较少，但性别比例没有很大变化。因此，用户数量减少的主要原因并不是某一性别用户大量减少。

用户年龄段分析

统计各个年龄段用户数量的变化情况。

all_df.pivot_table(index='log_month',
                   columns='generation',
                   values='user_id',
                   aggfunc=np.count_nonzero)

无论哪个年龄段，用户的比例都没有发生大的变化。

用户性别&年龄段分析

进一步细分，看看是否某个性别下某个年龄段的用户数量减少了，下面我们将性别和年龄段组合起来，形成 2 重交叉列表统计。

all_df.pivot_table(index='log_month',
                   columns=['gender','generation'],
                   values='user_id',
                   aggfunc=np.count_nonzero)

同样的，每个用户群所占的比例基本不变，没有用户群数量大幅减少的情况。

用户设备

最后一个维度，统计用户使用的设备差异。

all_df.pivot_table(index='log_month',
                   columns='device_type',
                   values='user_id',
                   aggfunc=np.count_nonzero)

根据上表，明显看到使用 Android 的用户大量减少。

下面我们以天为单位，详细看看两种设置使用用户的变化情况。

通过上图，可以看到，Android 的用户数从 9 月 13 日开始急剧减少。

那么下一步就是弄清楚 Android 手机端出现的问题，并制定相应的改善策略，使用户数量回到和上月相同的水平，这里就不详细展开了。

这就是今天要分享的内容，我们下期再见！

案例参考 [1]《数据分析实战》 [日] 酒卷隆志 里洋平/著 肖峰/译

对于刚入门 Python 或是想要入门 Python 的小伙伴，可以通过下方小卡片联系作者，一起交流学习，都是从新手走过来的，有时候一个简单的问题卡很久，但可能别人的一点拨就会恍然大悟，由衷的希望大家能够共同进步。另有整理的近千套简历模板，几百册电子书等你来领取哦！

👇🏻 关注小卡片，回复“交流群”，一起学习Python👇🏻