有一个多月没有用Python了，有些生疏o(╥﹏╥)o。通过秦路老师的一道题目，分别使用sql和python求解，顺便复习下python点，重点关注【复购率】、【回购率】的解法

☞秦路老师视频讲解(使用SQL来求解)

已知信息：所需数据：order_info.csv、user_info.csv

【表userinfo】字段为：userid,sex,birth

【表order_info.csv】字段为：orderid,userid,ispaid,price,paidtime

数据连接，提取码：b4ca

求出以下：统计用户不同月份的回购率和复购率

统计不同月份的下单人数

统计不同性别的消费频次是否有差异

统计多次消费的用户，第一次和最后一次消费时间的间隔(按天计算间隔)

统计不同年龄段的用户人均消费频次(年龄段按[0,10),[10,20),[20,30),[30,40),[40,50),[50.60),[60,70),[70,80),[80,90)来划分，统计时间截止为2017年，保留两位小数)

统计消费的二八法则，消费金额的top20%用户，贡献了多少额度

从拿到数据到形成报告，无外乎以下步骤理解数据及背景

清洗数据(重复值、空值、异常值、数据一致化)

明确问题

分析问题(借助工具对数据进行分析)

解决问题

直接进入分析问题步骤：

【使用SQL进行求解】

1.统计用户不同月份的回购率和复购率【复购率】当月消费多次

【回购率】当月消费，次月仍消费【复购率】先求出每月每个用户的消费次数，再筛选出消费多次的用户。注意两位数百分数的求法concat(round(数值,2),'%')

SELECT t.`月份`,count(DISTINCT t.userid) 当月消费人数,

count(DISTINCT case when t.`消费次数`>1 then t.userid else null end) as 当月复购人数,

concat(round(count(DISTINCT case when t.`消费次数`>1 then t.userid else null end)/count(DISTINCT t.userid)*100,2),'%')as 复购率 FROM

(SELECT DATE_FORMAT(paidtime,'%Y-%m') as 月份,userid,

count(orderid) 消费次数

from 03order_info

where ispaid='已支付'

GROUP BY DATE_FORMAT(paidtime,'%Y-%m'),userid) t

GROUP BY t.`月份`

;【回购率】将order_info连接，求出diff，进而求解。类似留存率的计算

SELECT t.date1,count(DISTINCT t.userid)as 当月购买人数,

count(DISTINCT case when t.diff=1 then t.userid else null end)as 次月购买人数,

count(DISTINCT case when t.diff=1 then t.userid else null end)/count(DISTINCT t.userid) as 回购率

FROM

(SELECT t1.userid,

DATE_FORMAT(t1.paidtime,'%Y-%m') as date1,

DATE_FORMAT(t2.paidtime,'%Y-%m') as date2,

TIMESTAMPDIFF(month,DATE_FORMAT(t2.paidtime,'%Y-%m-01'),DATE_FORMAT(t1.paidtime,'%Y-%m-01')) as diff

from 03order_info t1

LEFT JOIN 03order_info t2

on t1.userid=t2.userid

where t1.ispaid='已支付' and t2.ispaid='已支付')t

GROUP BY t.date1

;

2.统计不同月份的下单人数

SELECT DATE_FORMAT(paidtime,'%Y-%m') as 月份,

COUNT(DISTINCT userid) as 下单人数 ,

count(userid) as 下单数 from 03order_info

where ispaid='已支付'

GROUP BY DATE_FORMAT(paidtime,'%Y-%m');

3.不同性别的消费频次

SELECT u.sex,

count(o.orderid)/count(DISTINCT o.userid) as 消费频次

from 03order_info o

LEFT JOIN 03user_info u

on o.userid=u.userid

where o.ispaid='已支付'

GROUP BY u.sex;

4.统计多次消费的用户，第一次和最后一次消费时间的间隔(按天计算间隔)

SELECT userid,

DATEDIFF(max(date(paidtime)),min(date(paidtime))) as 时间间隔

from 03order_info

where ispaid='已支付'

group by userid

having count(orderid)>1;

5.统计不同年龄段的用户人均消费频次

在剔除birth为空的数据后，按照birth升序排列，user_info表格顺序如下。需要剔除年龄极值，规定year(birth)>1900

#年龄段划分用【case when】函数

SELECT t.`年龄段`,COUNT(t.orderid) as 消费次数,

count(DISTINCT t.userid) as 消费人数,

round(COUNT(t.orderid)/count(DISTINCT t.userid),2) as 人均消费频次 from

(SELECT o.userid,o.orderid,

case

WHEN 2017-year(u.birth)<10 then '[0,10)'

WHEN 2017-year(u.birth)<20 then '[10,20)'

WHEN 2017-year(u.birth)<30 then '[20,30)'

WHEN 2017-year(u.birth)<40 then '[30,40)'

WHEN 2017-year(u.birth)<50 then '[40,50)'

WHEN 2017-year(u.birth)<60 then '[50,60)'

WHEN 2017-year(u.birth)<70 then '[60,70)'

WHEN 2017-year(u.birth)<80 then '[70,80)'

WHEN 2017-year(u.birth)<90 then '[80,90)'

else '90+'

end as 年龄段

from 03order_info o

LEFT JOIN 03user_info u

on o.userid=u.userid

where o.ispaid='已支付' and year(u.birth)>1900) t

GROUP BY t.`年龄段`

6.统计消费的二八法则，消费金额的top20%用户，贡献了多少额度求前百分比的数值时，利用窗口函数排序，然后让排序小于百分比与总数的乘积即可

SELECT sum(t.sum) FROM

(SELECT userid,round(sum(price),2) as 'sum',

row_number() over (order by sum(price) desc) as 'ranking'

from 03order_info

where ispaid='已支付'

GROUP BY userid) t

where t.ranking

where ispaid='已支付')

;

【使用python求解】

1.统计用户不同月份的回购率和复购率

复购率：

df=order.groupby(['month','userid']).count().reset_index()

s1=df.groupby('month')['userid'].count() #当月消费人数

s2=df[df['orderid']>1].groupby('month')['userid'].count() #当月多次消费人数

df_new= pd.concat([s1,s2],axis=1)

df_new.columns=['当月消费人数','当月多次消费人数']

df_new['复购率']=(df_new['当月多次消费人数']/df_new['当月消费人数']).apply(lambda x: format(x,'.2%')) #两位小数百分数

print(df_new)

回购率：

order['month']=order['paidtime'].dt.month

order1=order.groupby(['userid','month']).count().reset_index()[['userid','month']] #统计出各userid再各月消费情况

order2=pd.merge(order1,order1,on='userid',how='left') #两表连接

order2['diff']=order2['month_y']-order2['month_x']

order3=order2.groupby(['month_x','userid']).count().reset_index()['month_x'].value_counts() #当月消费人数

order4=order2[order2['diff']==1].groupby(['month_x','userid']).count().reset_index()['month_x'].value_counts() #次月消费人数

df=pd.concat([order3,order4],axis=1)

df.columns=['当月购买人数','次月回购人数']

df['回购率']=df['次月回购人数']/df['当月购买人数']

print(df)

2.统计不同月份的下单人数【知识点】①时间函数用法(见图，参考)②如何去重计数

order['month']=order['paidtime'].dt.strftime('%Y-%m')

order=order[order['ispaid']=='已支付']

df=order.groupby(['month','userid']).count().reset_index().groupby('month').agg({'userid':'count','orderid':'sum'})

df=df.rename(columns={'userid':'下单人数','orderid':'下单次数'})

print(df)

3.统计不同性别的消费频次表连接pd.merge(table1,table2,left_on,right_on,how)

df=pd.merge(order,user,left_on='userid',right_on='userId',how='left')

df=df.groupby(['sex','userId']).count().reset_index().groupby('sex').agg({'userId':'count','orderid':'sum'})

df=df.rename(columns={'userId':'消费人数','orderid':'消费次数'})

df['消费频次']=round(df['消费次数']/df['消费人数'],2)

print(df)

4.统计多次消费的用户，第一次和最后一次消费时间的间隔(按天计算间隔)

df=order.pivot_table(index='userid',values='paidtime',aggfunc=['min','max'])

df['diff']=df['max']-df['min']

print(df.head())

5.统计不同年龄段的用户人均消费频次(年龄段按[0,10),[10,20),[20,30),[30,40),[40,50),[50.60),[60,70),[70,80),[80,90)来划分，统计时间截止为2017年，保留两位小数)df['label']=pd.cut(列,bins,right,labels)，数据类型为category，是无法使用groupby的，必须先使用.astype(str)将category转换类型

#提取年份，计算年龄

#使用pd.cut(data,bins,right,label)分组

user=user[user['birth']>datetime(1900,1,1)]

user['birth']=user['birth'].dt.year

user['age']=datetime(2017,1,1).year-user['birth']

user['label']=pd.cut(user['age'],bins=[0,10,20,30,40,50,60,70,80,90,100],right=False).astype(str)#要把category转换成str类型，才能groupby

#表连接

df=pd.merge(order,user,left_on='userid',right_on='userId',how='left').dropna() #删除缺失值所在行

#数据分组求解

df=df[['userid','orderid','label']]

df=df.groupby(['label','userid']).count().reset_index().groupby('label').agg({'userid':'count','orderid':'sum'})

df=df.rename(columns={'userid':'消费人数','orderid':'消费次数'})

df['消费频次']=df['消费次数']/df['消费人数']

print(df)

6.统计消费的二八法则，消费金额的top20%用户，贡献了多少额度

#计算每个用户的消费金额

df=order.groupby('userid')['price'].sum().reset_index()

#计算贡献排在前20%的分位数

data=df['price'].quantile(0.8,interpolation='nearest') #分位数为1314

#筛选出前20%贡献数据，并计算求和

df=df[df['price']>=data]

print(df['price'].sum())

结果：272222167.4584

(～￣▽￣)～