pandas 分组聚合分析用户行为数据

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gr99123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

在数据分析中，随机抽样和分组聚合是最常用的两个核心操作——前者帮我们从海量数据中快速提取代表性样本，后者则能按特定维度拆解数据并计算关键指标。本文将通过一个模拟的用户行为数据集，综合演示 sample()（随机抽样）和 groupby().agg()（分组聚合）这两个高频方法的协作应用，最终实现「从原始数据中抽取部分样本，并按用户分群统计关键行为指标」的目标，帮你掌握这两个方法的实战组合技巧。

数据与需求

源数据与读取代码

假设我们有一份电商平台的用户行为日志，包含用户ID、行为类型（浏览/加购/购买）、行为时间戳和商品价格（仅购买行为有值）。以下是模拟数据（字符串格式）及读取代码：

import pandas as pd
from io import StringIO

data = """user_id,action_type,timestamp,price
1001,view,2025-01-01 10:00:00,
1001,add_to_cart,2025-01-01 10:05:00,
1001,purchase,2025-01-01 10:10:00,299.0
1002,view,2025-01-01 11:00:00,
1002,view,2025-01-01 11:05:00,
1002,add_to_cart,2025-01-01 11:10:00,
1003,purchase,2025-01-01 12:00:00,599.0
1003,view,2025-01-01 12:05:00,
1004,add_to_cart,2025-01-01 13:00:00,
1004,purchase,2025-01-01 13:05:00,199.0
1005,view,2025-01-01 14:00:00,
1005,view,2025-01-01 14:05:00,
1005,view,2025-01-01 14:10:00,
1005,add_to_cart,2025-01-01 14:15:00,
1006,purchase,2025-01-01 15:00:00,899.0
"""

df = pd.read_csv(StringIO(data))
print("原始数据预览：")
print(df)

我们需要完成以下两步分析：

随机抽样：从全部用户行为数据中随机抽取 5 条记录（模拟小规模快速检查）；
分组聚合：按 user_id 分组，统计每个用户的「总浏览次数」「加购次数」「购买次数」和「累计购买金额」（仅统计 purchase 行为的 price 字段），最终输出每个用户的核心行为指标。

正确结果预期：

• 抽样部分：输出的 5 条记录应是从原始 13 条中随机选取的（每次运行结果可能不同，但条数一定是 5）；
• 聚合部分：输出类似以下结构（具体数值根据实际分组计算）：

  user_id  view_count  add_to_cart_count  purchase_count  total_purchase_amount
  1001          2                1               1                   299.0
  1002          2                1               0                     0.0
  ...（其他用户）

思路

需求拆解

随机抽样：直接使用 sample(n=5) 方法从 DataFrame 中无放回地抽取 5 行（若需有放回可加 replace=True），这是最基础的随机采样操作；
分组聚合：
• 先按 user_id 分组（groupby('user_id')）；
• 再对不同行为类型计数：
◦ 总浏览次数：统计 action_type == 'view' 的行数；
◦ 加购次数：统计 action_type == 'add_to_cart' 的行数；
◦ 购买次数：统计 action_type == 'purchase' 的行数；
◦ 累计购买金额：仅对 action_type == 'purchase' 的行提取 price 并求和；
• 最终将多个统计指标合并为一张表（通过 agg() 同时计算多个函数）。

关键点：

• 分组聚合时，需通过条件筛选分别计算不同行为的次数（例如用 (df['action_type'] == 'view').sum() 的思路，但在分组后需用更高效的方式）；
• 累计购买金额只需针对购买行为行提取 price 列求和（其他行为的 price 为空，不影响结果）；
• 推荐用链式调用（方法连写）提升代码简洁性，尤其是抽样和聚合的衔接。

参考代码

随机抽样 + 分组聚合分析用户行为：

# 从df中随机抽5条，random_state固定结果可复现
df.sample(n=5, random_state=42)

块2：分组聚合（核心需求）

(
    df
    .assign(price_numeric=lambda x: pd.to_numeric(x['price'], errors='coerce'))  # 将price列转为数值（非数字变NaN）
    .groupby('user_id')
    .agg(
        view_count=('action_type', lambda x: (x == 'view').sum()),  # 浏览次数
        add_to_cart_count=('action_type', lambda x: (x == 'add_to_cart').sum()),  # 加购次数
        purchase_count=('action_type', lambda x: (x == 'purchase').sum()),  # 购买次数
        total_purchase_amount=('price_numeric', 'sum')  # 累计购买金额（自动忽略NaN）
    )
)

此案例综合了随机抽样（快速检查数据）和分组聚合（深度分析）两大高频场景，是 pandas 实战中的经典组合。

（完）

pandas 分组聚合分析用户行为数据

数据与需求

思路

参考代码

相关内容