一、分析脑图

二、数据预处理

import pandas as pd
import numpy as np
import sqlalchemy

import warnings
warnings.filterwarnings('ignore')

#从数据库读取数据:plat_flow平台流量表 loans_check:贷款审核表
engine=sqlalchemy.create_engine('mysql+pymysql://。。略。。。')
sql_flow='select * from plat_flow'
sql_check='select * from loans_check'
dt_flow=pd.read_sql(sql=sql_flow,con=engine)
dt_check=pd.read_sql(sql=sql_check,con=engine)

#改名1
dt_flow.rename(columns={
    "date":"日期",
    "PV":"PV",
    "UV":"UV",
    "regist_cnt":"注册数",
    "regist_rate":"访客注册率",
    "active_cnt":"激活数",
    "active_rate":"激活访问率"
},inplace=True)
dt_flow.head()

#改名2
dt_check.rename(columns={
    "ID":"用户ID",
    "date":"申请日期",
    "new_cus":"是否新用户(1为是,0为否)",
    "lending": "是否放贷"
},inplace=True)
dt_check.head()

三、计算指标

PV
UV
​注册数
​激活数
新用户申请数
​新用户放贷数

new=dt_check[dt_check['是否新用户(1为是,0为否)']==1]
new.head()

new_index1=pd.pivot_table(
    data=new,
    index='申请日期',
    values=['是否放贷'],
    aggfunc=[np.sum,'count']
)
new_index1.columns=['新用户放贷数','新用户申请数']
new_index1.reset_index().head()

new_index1.shape

(30, 2)

info=pd.merge(new_index1,dt_flow,how='inner',left_on='申请日期',right_on='日期')
info.head()

info_u=info[["PV","UV","注册数","激活数","新用户申请数","新用户放贷数"]]
info_u.head()

info_sum=pd.DataFrame(info_u.sum()).reset_index()
info_sum.columns=['指标','汇总']
info_sum

四、漏斗图

from plotly import graph_objects as graph
trace = graph.Funnel(
    y = info_sum["指标"],
    x = info_sum["汇总"],
    textinfo = "value+percent initial",
    marker=dict(color=["deepskyblue", "lightsalmon", "tan", "teal", "silver", "yellow"]),
  
)
    
data =[trace]

fig = graph.Figure(data)

fig.show()

最后

以上就是迅速百褶裙最近收集整理的关于用户行为路径漏斗一、分析脑图二、数据预处理三、计算指标四、漏斗图的全部内容，更多相关用户行为路径漏斗一、分析脑图二、数据预处理三、计算指标四、漏斗图内容请搜索靠谱客的其他文章。