关于怎么看电商平台用户数量，怎么查看电商数据这个很多人还不知道，今天琪琪来为大家解答以上的问题，现在让我们一起来看看吧！
怎么看电商平台用户数量 怎么查看电商数据
怎么看电商平台用户数量 怎么查看电商数据
1、包括用户行为数据和用户基本信息数据：重复值处理缺失值处理数据格式处理：日期格式的转换 astype()查看有无重复值：首先看使用df.查看各个字段的记录数，再看去除重复值后的数量。
2、以此判断有无重复数据。
3、去重重复值可以使用函数drop_duplicates()通过df.查看数据格式看到time是object类型的，不适合处理。
4、同时我们一般将数据分为日期和时间格式，因此对其进行拆分处理。
5、为各个时段打标，将时段分为'凌晨'、'上午'、'中午'、'下午'、'晚上'知识点：pd.cut函数，区间分割查看空值，并计算数量。
6、可以看到并无空值。
7、在订单表中按照（用户，时段）分组，取每个时段的记录数（订单数）：这里的作流程与hive-sql类似，我们需要先把max算出来，再去关联。
8、将生成的标签加入标签表：同理，可统计出用户购买的活跃时间段，在此不赘述，仅展示结果分析用户喜欢的类目，从而便于我们为其进行。
9、终得到标签表：通过分析用户分析近的行为，来判断该用户是否活跃、流失分析近30天的活跃天数，只要有浏览、收藏、加购和购物四种行为之一就认为是活跃。
10、结果如下：我们可以通过查看所有用户30天活跃天数的分布情况，来确认一个分类的标准，判断某个用户是否活跃。
11、用户30天活跃天数分布图如图：同理，可分析用户近7天的行为，包括其购物次数和活跃天数。
12、与上述作类似，展示结果:明确今天的日期，在本项目中，“今天”指“2014-12-19”，然后统计订单表中用户某种行为的日期与当前日期的值。
13、使用的函数是：datetime.strptime： new datetime parsed from a string (like time.strptime()) ，将字符串转为date格式，以方便我们做日期运算结果如图：使用日期的diff函数返回结果RFM分组是指按照近一次消费 (Recency)、消费频率 (Frequency)和消费金额(Monetary)进行分组近一次消费，我们按照一次购物距今的天数进行分组，同样是观看用户的一个分布情况，然后看如何进行分类。
14、消费频率，这里放宽要求，按照用户的30天活跃天数进行分类消费金额，本次不涉及金额的统计。
15、因此，我们可以根据活跃度分类和近一次消费将用户划分为四类：结果如图可以看到在第8天前后，用户有明显的分层，因此按照8天对其进行划分，一次消费距今天数小于8天的，认为近有消费，大于8天的认为近无消费返回结果：通过value_counts查看每个值的出现次数：上述返回的结果值是：如果值为空，说明无相应的行为，对浏览未购买的数据记录进行打标以上的步骤到商品粒度，下面对用户进行统计，即只要用户有浏览未下单的行为就对其进行打标返回的结果如图：加购未下单同上述步骤分析平台用户的年龄、学历、性别、城市、职业、婚姻情况等，以便于我们去分析我们的典型用户是什么。
16、从上图可以看出，平台用户中男性居多，女性较少。
本文到这结束，希望上面文章对大家有所帮助。