优惠券使用情况数据分析（源码自用）

import numpy as np

import pandas as pd

from matplotlib import pyplot as plt

import seaborn as sns    # 绘图模块，基于matplotlib的可视化python包，不能完全替代matplotlib，只是对matplotlib进行升级

plt.rcParams['font.sans-serif'] = ['SimHei']   # 用来正常显示中文标签

plt.rcParams['axes.unicode_minus'] = False    # 用来正常显示负号

"""

1.加载数据

parse_dates:将指定的列加载成日期的格式

"""

offline = pd.read_csv('ccf_offline_stage1_train.csv', parse_dates=['Date_received', 'Date'])

"""

2.数据的规整

判断每一列当中有多少个空值

offline.isnull().sum()

2.1 把“Discount_rate”列中的满减政策转换成折扣率

offline['Discount_rate'] = offline['Discount_rate'].fillna('null')

def discount_rate_opt(s):   # s代表每一个元素

    if ':' in s:

        split = s.split(':')

        discount_rate = (int(split[0]) - int(split[1]))/int(split[0])

        return round(discount_rate, 2)    # 折扣率保留两位小数

    elif s == 'null':

        return np.NaN

    else:

        return float(s)

offline['Discount_rate'] = offline['Discount_rate'].map(discount_rate_opt)

2.2 Coupon_id字段：null代表无优惠券，此时Discount_rate与Date_received字段无意义。检查Coupon_id与Discount_rate和Date_received判断空值和非空值是否一一对应

# np.all():判断一个可迭代数据中是否都为True,如果是返回True,否则返回False

nan1 = offline['Coupon_id'].isnull()    # 判断优惠券是否为空

nan2 = offline['Date_received'].isnull()    # 判断领券日期是否为空

nan3 = offline['Discount_rate'].isnull()

np.all(nan1 == nan2)    # 如果结果为True,说明Coupon_id与Date_received空值与非空值是一一对应的关系

np.all(nan1 == nan3)    # 如果结果为True,说明Coupon_id与Discount_rate空值与非空值是一一对应的关系

2.3 消费情况判断

如果Date == null & Coupon_id != null,有券未消费(coupon_no_consume)

如果Date == null & Coupon_id == null,无券未消费(no_coupon_no_consume)

如果Date != null & Coupon_id == null,无券消费(no_coupon_consume)

如果Date != null & Coupon_id != null,有券消费(coupon_consume)

"""

coupon_no_consume = offline[(offline['Date'].isnull() & offline['Coupon_id'].notnull())]

no_coupon_no_consume = offline[(offline['Date'].isnull() & offline['Coupon_id'].isnull())]

no_coupon_consume = offline[(offline['Date'].notnull() & offline['Coupon_id'].isnull())]

coupon_consume = offline[(offline['Date'].notnull() & offline['Coupon_id'].notnull())]

"""

print('有券未消费:{}'.format(len(coupon_no_consume)))

print('无券未消费:{}'.format(len(no_coupon_no_consume)))    # 无意义，不需分析

print('无券消费:{}'.format(len(no_coupon_consume)))

print('有券消费:{}'.format(len(coupon_consume)))

# 用优惠券消费的有7万，相比其他用户来说，占比较少

3.数据分析

# 绘制饼图占比

consume_status_dict = {'coupon_no_consume': len(coupon_no_consume),

                       'no_coupon_consume': len(no_coupon_consume),

                       'coupon_consume': len(coupon_consume)}

consume_status = pd.Series(consume_status_dict)

# 消费方式构成的饼图（figure:看作是一张画布，axes：代表画布内的多个坐标系）

fig, ax = plt.subplots(1, 1, figsize=(8, 10), dpi=240)

consume_status.plot.pie(ax=ax,

                        autopct='%1.1f%%',

                        shadow=True,

                        explode=[0.02, 0.05, 0.2],

                        textprops={'fontsize': 15, 'color': 'blue'},

                        wedgeprops={'linewidth': 1, 'edgecolor': 'black'},

                        labels=['有券未消费 \n ({})'.format(len(coupon_no_consume)),

                                '无券消费 \n ({})'.format(len(no_coupon_consume)),

                                '有券消费 \n ({})'.format(len(coupon_consume)),

                                ]

                        )

ax.set_ylabel('')   # 去除ylabel

ax.set_title('消费占比情况')

plt.legend(labels=['有券未消费', '无券消费', '有券消费'])

# 有券未消费占比55.7%最大，说明大多数人拿完券之后，尚未使用；无券消费用户占比40%，说明很多人没有使用优惠券，可能优惠券的吸引力不大，客户没在意或者新用户比较多；用券消费用户比较小，占4.3%，说明优惠券使用率不高，可以考虑是不是加大优惠券力度......

3.1在有券消费人群中，分析距离和优惠折扣

# 各商家对应的顾客到点平均距离

Merchant_distance = coupon_consume.groupby('Merchant_id')['Distance'].mean()

print(Merchant_distance[Merchant_distance == 0])

# 有4076个商家，有1431个商家的用券消费用户平均范围在500米以内

# 各商家对应的顾客到点消费平均折扣力度

Merchant_discount_rate = coupon_consume.groupby('Merchant_id')['Discount_rate'].mean()

Merchant_discount_rate.sort_values()

Merchant_discount_rate.hist()

print(Merchant_discount_rate.mean())

# 所有商家平均折扣的平均值：0.88

3.2 持券到店消费人数最多的商家

# 对商家进行分组，取出用户id，对用户id进行去重统计数量

popular_merchant = coupon_consume.groupby('Merchant_id')['User_id'].apply(lambda x: len(x.unique())).sort_values(ascending=False)

# 找出持券消费人数>500的商家id

popular_merchant500 = popular_merchant[popular_merchant > 500]

# 共有16家店铺，持券消费人数在500人以上，持券消费人数最多商家是5341，持券消费人数在2800，排名最后的商家，持券消费人数为559人，这批商家对优惠券的使用方法得当，消费者喜欢用消费券进行消费，可以适当借鉴这批商家的推广力度

3.3 持券消费人数在500人以上的商家，连接顾客到店平均距离和平均折扣力度

merchant_pop_dis = pd.merge(left=popular_merchant500, right=Merchant_distance, on='Merchant_id', how='inner')

merchant_pop_dis_rate = pd.merge(left=merchant_pop_dis, right=Merchant_discount_rate, on='Merchant_id', how='inner')

3.4计算到点消费人数与平均距离和折扣力度的相关系数

corr(correlation:相关系数),用来计算df数据中列与列的相关性（皮尔逊相关系数），取值范围[-1,1]之间

1:完全正相关，-1：完全负相关；绝对值越大，相关性越大，反之同理

正相关：随着变量的增大，而增大，反之同理；负相关：随着变量的增大，而减小，反之同理

merchant_pop_dis_rate.corr()

# 持券消费人数，与距离和折扣率都呈现出负相关，属于生活中的正常现象

# 用热力图展示相关系数(data:相关系数，annot:显示相关系数，cmap:颜色范围，vmax:最大值，vmin:最小值)

sns.heatmap(data=merchant_pop_dis_rate.corr(),annot=True, cmap='Accent', vmax=1, vmin=-1)

由图可知：

1.到点消费人数的多少与顾客到店铺的距离之间呈现负相关，相关系数0.31，在0.3~0.5之间，为低度相关

2.到店消费人数的多少与优惠打折力度呈现负相关，相关系数0.2，在0~0.3之间，为相关程度极弱

综上所述，这些店家之所以火爆，应该是物美价廉导致，与距离和优惠力度相关性不大

4.1 分析每天中优惠券的总体发放量与使用量情况

业务分析：日期（优惠券的发放日期Date_received,使用日期date）用作图表的x轴

需要统计每天优惠券发放数量和使用数量

"""

offline['Date'].notnull().sum()    # 77.7万消费数据

offline['Date_received'].notnull().sum()    # 已经发送出105万优惠券

# 取出存在消费日期的记录，进行升序，再去重

date_sort = offline[offline['Date'].notnull()]['Date'].sort_values().unique()

# 取出存在领券日期的记录，进行升序，再去重

date_receive_sort = offline[offline['Date_received'].notnull()]['Date_received'].sort_values().unique()

# 每天优惠券的使用量（即持券消费人群）

consume_num_everyday = coupon_consume[['User_id', 'Date_received']]

consume_num_everyday = consume_num_everyday.groupby('Date_received').count()

consume_num_everyday = consume_num_everyday.rename(columns={'User_id': 'count'})

# 每天发放的优惠券数量（取出所有领券日期!=null的数据，再进行按天分组，计数就可以）

coupon_sendout_everyday = offline[offline['Date_received'].notnull()][['Date_received', 'User_id']]

coupon_sendout_everyday = coupon_sendout_everyday.groupby('Date_received').count()

coupon_sendout_everyday = coupon_sendout_everyday.rename(columns={'User_id': 'count'})

# 绘制每天发券量和每天用券量

plt.figure(figsize=(18, 6), dpi=400)

plt.bar(x=date_receive_sort, height=coupon_sendout_everyday['count'], label='每天发券量')

plt.bar(x=date_receive_sort, height=consume_num_everyday['count'], label='每天用券量')

plt.yscale('log')    # 对y轴进行对数缩放

plt.legend()

# 16年2月为例，用券量级别在1000，发券量在10万左右，在100倍左右，优惠券的使用率还是非常低的

# 计算每天的优惠券与发券量占比

plt.figure(figsize=(18,6), dpi=400)

plt.bar(x=date_receive_sort, height=consume_num_everyday['count']/coupon_sendout_everyday['count'], label='百分比')

plt.legend()

# 由图可知，优惠券使用率最高在16年3月底，达到了30%，使用率最低在16年1月底，最低为3%左右。整体来看，优惠券使用率波动较大