一、项目背景 对淘宝用户行为进行分析，从而探索淘宝用户的行为模式，具体指标包括：日PV和日UV分析，付费率分析，复购行为分析，漏斗流失分析和用户价值RFM分布 二、数据来源 https://tianchi.aliyun.com/dataset/dataDetail?dataId=46&userId=1 三、提出问题 1.日PV有多少 2.日UV有多少 3.付费率情况如何 4.复购率是多少 5.漏斗流失情况如何 6.用户价值情况 四、理解数据 本数据集共有104万条左右数据，数据为淘宝APP2014年11月18日到2014年12月18日的用户行为数据，共计6列字段，列字段分别是： user_id：用户身份，脱敏 item_id：商品ID，脱敏 behavior_type：用户行为类型（包含点击，收藏，加购物车，支付四种行为，分别用数字1、2、3、4表示） user_geohash：地理位置 item_category：品类ID（商品所属的品类） time：用户行为发生的时间 五、数据清洗 5.1导入python中的包

读取前5行 看看一共有多少行的数据

查看数据类型

5.2缺失值处理

可以看到user_geohash缺失值为8334824，而其他列不缺

这个缺失值，不能删除，因为有其他的关联信息，所以我们这里暂不处理 5.3数据处理。拆数据集 我们把日期和小时拆开，分成两列 拆分日期

拆分小时

可以看到已经拆分成两列了

下面讲解一下，这个re.compile()函数

5.4查看data_user数据集数据类型

发现time列和date列应该转化为日期类数据类型，hour列应该是字符串数据类型

5.5异常值处理