用户画像|京东平台小家电用户画像分析报告（附代码）

###此数据集，数据清洗部分较为简单，这里省略。主要附关键代码。##性别分布user_sex_df = user_info_df.groupby("ulp_base_sex", as_index=False)["user_log_acct"].agg({"ulp_base_sex_count":"count"})##年龄分布user_age_df = user_info_df.groupby("ulp_base_age", as_index=False)["user_log_acct"].agg({"user_age_count":"count"})##地域分布user_region_df = user_info_df.groupby("ulp_addr_province", as_index=False)["user_log_acct"].                    agg({"region_count":"count"})user_region_df.columns = ["province_name","region_count"]user_region_df = user_region_df.sort_values(by="region_count", ascending=False)##地域-城市分布user_city_df = user_info_df.groupby("ulp_addr_city", as_index=False)["user_log_acct"]                .agg({"city_count":"count"})                .sort_values(by="city_count", ascending=False)user_city_df = user_city_df[:10] #截取排名前十的城市##婚育状况user_marriage_df = user_info_df.groupby("ulp_base_marriage", as_index=False)["user_log_acct"]                    .agg({"marriage":"count"})                    .sort_values(by="marriage", ascending=False)user_child_df = user_info_df.groupby("ulp_base_child", as_index=False)["user_log_acct"]                .agg({"child":"count"})                .sort_values(by="child", ascending=False)##教育水平user_edu_df = user_info_df.groupby("ulp_base_education", as_index=False)["user_log_acct"]                .agg({"edu":"count"})                .sort_values(by="ulp_base_education", ascending=True)##职业分布user_profession_df = user_info_df.groupby("ulp_base_profession", as_index=False)["user_log_acct"]                    .agg({"profession":"count"})                    .sort_values(by="ulp_base_profession", ascending=True)

##每天#利用lambda匿名函数，把订单日期保留到小时，生成新的字段order_user_df["order_time_hms"] = order_user_df["sale_ord_tm"].apply(lambda x: x.strftime("%H:00:00"))#统计各时间段订单量user_order_hms_df = order_user_df.groupby("order_time_hms", as_index=False)["sale_ord_id"].                                agg({"hms_count":"count"}).sort_values(by="order_time_hms", ascending=True)##每周#利用lambda匿名函数，把订单日期转为日期，生产新的字段order_user_df["order_time_week"] = order_user_df["sale_ord_tm"].apply(lambda x: x.strftime("%w"))#统计每天的订单量user_order_week_df = order_user_df.groupby("order_time_week", as_index=False)["sale_ord_id"].                                agg({"week_count":"count"}).sort_values(by="order_time_week", ascending=True)

##产品偏好user_order_cate_df = order_user_df.groupby("item_third_cate_name", as_index=False)["sale_ord_id"]                    .agg({"cate_count":"count"})                    .sort_values(by="cate_count", ascending=False)##促销敏感度#利用lambda匿名函数，只保留cfv_sens_promotion最后一个字符，生产新字段user_info_df["sens_promotion"] = user_info_df["cfv_sens_promotion"]                                    .apply(lambda x: x[-1])#统计各敏感区间度的人数user_order_sens_promotion_df = user_info_df.groupby("sens_promotion", as_index=False)["user_log_acct"]                                .agg({"sens_promotion_count":"count"})                                .sort_values(by="sens_promotion", ascending=True)##评论敏感度#利用lambda匿名函数，只保留cfv_sens_comment最后一个字符，生产新字段user_info_df["sens_comment"] = user_info_df["cfv_sens_comment"]                                    .apply(lambda x: x[-1]) #统计各敏感区间度的人数user_order_sens_comment_df = user_info_df.groupby("sens_comment", as_index=False)["user_log_acct"]                                .agg({"sens_comment_count":"count"})                                .sort_values(by="sens_comment", ascending=True)