关注公众号：『AI学习星球』
算法学习、4对1辅导、论文辅导或核心期刊可以通过公众号滴滴我

---

背景描述

本数据集是某社交APP一定时间内用户留存的分类示例数据，其中A/B/C/D/E/F六个参数可代表APP内六个不同功能，每一行代表一组有相同行为的用户，Action_1到Action_2记录了由用户数变化所代表的一步留存率。

我们可以使用该数据来分析该APP内用户行为特征，不同参数值变化对留存率的影响等。

数据说明

数据集为1个csv文件，约19万行，包含以下字段：

• A 参数A的变化值，可理解为APP内某一功能（如进入主页面时弹框时长等）
• B 参数B的变化值，理解同A
• C 参数C的变化值，理解同A
• D 参数D的变化值，理解同A
• E 参数E的变化值，理解同A
• F 参数F的变化值，理解同A
• Action_1 进入动作1（如购买会员页面）的用户数
• Action_2 进入动作2（如收银台页面）的用户数*

以下是表的部分数据

项目数据来源：https://www.heywhale.com/home

分析数据

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from warnings import filterwarnings
filterwarnings("ignore")

df = pd.read_csv("tantan.csv")
df.head()

df.tail()

df.describe()

df.isnull().sum()

df.info()

相关系数

cor = df.corr()
plt.figure(figsize=(8,8))
sns.heatmap(cor,square = True,cmap='vlag',annot = True,linewidths = 0.5)
plt.show()

Action_1-Action_2 ; E-F ; D-F ; B-C ; B-D ;较为相关 ，相关但不代表影响

假设A~F字段均为功能属性，查看其唯一值并查看一下每个属性的分布

# 将A-F列的属性改为字符串类型
s = ['A','B','C','D','E','F']
for i in s:df[i] = df[i].astype('str')

查看A~F字段的唯一值

s = ['A','B','C','D','E','F']
for i in s:print(i,df[i].unique())

查看各功能属性的分布

plt.figure(figsize=(16,16))
columnsnames = ['A','B','C','D','E','F']
n = 0
for i in columnsnames:n +=1plt.subplot(3,2,n)sns.countplot(x = i,data = df)

各功能路径

s = ['A','B','C','D','E','F']
for i in s:df[i] = i+df[i]

from pyecharts import options as opts
from pyecharts.charts import Sankey,Bar,Grid

title = list(df)[:-2]
class_item = {}
for i in title:class_item[i] = df[i].drop_duplicates()nodes = []
for i in title:for j in list(class_item[i]):nodes.append({'name':j})links =[]
for i in range(len(title)):temp0 = list(class_item)for j in list(class_item[temp0[i]]):try:for k in list(class_item[temp0[i+1]]):df1 = df[df[temp0[i]]==j]df2=df1[df1[temp0[i+1]]==k]temp_value= len(df2)if temp_value!=0:links.append({'source':j,'target':k,'value':temp_value})del df1del df2except:continue

p = (Sankey().add('',nodes,links,linestyle_opt=opts.LineStyleOpts(opacity = 0.3, curve = 0.3),label_opts=opts.LabelOpts(position="right"),node_gap = 5).set_global_opts(title_opts=opts.TitleOpts(title = '各功能路径'))
)
p.render_notebook()

路径图呼应上图的属性分布图，可以看到每个路径的去向

df['path'] = df['A'].str.cat(df[['B','C','D','E','F']].astype(str),sep=" —> ")

result = df.groupby('path').agg(Action_1 = ('Action_1','sum'),Action_2 = ('Action_2','sum'))
result['留存率'] = (result['Action_2']/result['Action_1']).round(2)

流量排名 TOP10

# 流量排名 TOP 10
re1 = result.sort_values(by='Action_1')[-10:]
x_data = re1.index.to_list()
y_data = re1['Action_1'].tolist()grid = Grid()
b = (Bar().add_xaxis(x_data).add_yaxis('',y_data).set_global_opts(title_opts=opts.TitleOpts(title='流量排名 TOP 10')).set_series_opts(label_opts = opts.LabelOpts(is_show=True,position = 'right')).reversal_axis()
)
grid.add(b,grid_opts=opts.GridOpts(pos_left="30%"))
grid.render_notebook()

留存率排名 TOP10

re2 = result.sort_values(by='留存率')[-10:]
x_data = re2.index.to_list()
y_data = re2['留存率'].tolist()grid = Grid()
b = (Bar().add_xaxis(x_data).add_yaxis('',y_data).set_global_opts(title_opts=opts.TitleOpts(title='留存率排名 TOP 10')).set_series_opts(label_opts = opts.LabelOpts(is_show=True,position = 'right')).reversal_axis()
)
grid.add(b,grid_opts=opts.GridOpts(pos_left="30%"))
grid.render_notebook()