cohort R语言数据分析笔记—

杜宇，EasyCharts团队成员，R语言中文社区专栏作家

他的兴趣是:Excel业务图，R语言数据可视化，地理信息数据可视化。

个人微信官方账号:“数据立方”创始人:数据立方(微信ID: datamofang)。

推荐课程:系统全面，有调性！r语言可视化&商业图表实践课程

相信经常做数据分析的同学都听过队列分析，尤其是互联网运营，用来分析客户留存等场景。以前这种分析大多是借助SQL+Excel来完成的。

最近在尝试学习队列用户持久化分析的时候，发现了国外数据分析爱好者队列用户持久化分析的Python版本完整代码，并认真提供了实践数据。作为一个比Python更熟练的菜鸟分析师，他自然想到了如何先把这段代码翻译成R版本。

http://www . gregrereda . com/2015/08/23/queue-analysis-with-python/

最后，功夫一整天都在忙着用R语言代码还原《队列分析》的R语言版。在这里和大家分享一下。代码不好，请见谅。只是个演示，还没打包。

库(' xlsx ')库(' ggplot2 ')库(' dplyr ')库(' magrittr ')库(' tidyr ')库(' reshape2 ')

1.数据导入:

setwd(" D:/R/File/")df & lt；- read.xlsx('relay-foods.xlsx '，sheetName = 'Purchase Data ')

2.数据清理:

保留分析中使用的字段只有购买日期、用户id和其他信息。分析月留存，需要将日期标准化成月表，同时按照客户ID分组，计算出用户的首次购买日期。代码如下:

2.1创建购买月份字段

df $ order period = format(df $ order date，' % y-%m') #购买日期

2.2创建用户的首次购买字段

CohortGroup = df %>。% group _ by(UserID)% & gt；% summary(cohort group = min(order date))#计算用户的首次购买日期cohortgroup $ cohortgroup

2.3分组计算用户总数、订单总数、支付总额(根据首次购买日期、购买日期)(用户ID需重复)

合唱团<。- df %>。% group_by(CohortGroup，order period)% gt；% summary(UserId = n _ distinct(UserId)，OrderId = n_distinct(OrderId)，total charges = sum(total charges))% & gt；%重命名(合计用户=用户标识，合计订单=订单标识)

2.4根据用户标识分组，并根据购买日期和月份添加连续标签

合唱团<。-合唱% >;%排列(合作组，订单周期)% >;% group _ by(CohortGrouP)% & gt；% mutate(CohortPeriod = row _ number())

3.计算当月购买的新用户数量

群组大小<。-合唱% >;% filter(CohortPeriod = = 1)% & gt；% select(合作组、订购期、总用户)user _ retention & lt-合唱% >;%选择(合作组、合作周期、总用户)% & gt百分比分布(cow组，总用户数)#将长表转换为宽表#将特定用户转换为基准月user _ retention的比率[，-1]

宽桌子到长桌子

user_retention1 <。- user_retention %>;% select(1:5) % >% melt(id . vars = ' CoortPeriod '，variable.name = ' CohortGroup '，value.name = 'TotalUsers ')

4.保留曲线

ggplot(user_retention1，AES(Cohortperium，TotalUSers))+geom _ line(AES(group = Cohortpgroup，color = Cohortpgroup))+scale _ x _ continuous(breaks = 1:15)+scale _ colour _ brewer(type = ' div ')

最终保留热图的数据源:

user _ retentionT & lt- t(user_retention) % >% .[2:nrow(。)，]% & gt；% as . data . frame user _ retention $ COORTERperiod & lt；-row . names(user _ retention)row . names(user _ retention)& lt；-NullUser _ retention & lt；-user _ retention ont[，c(16，1:15)]user _ retention t1 & lt；-user _ retention % & gt；% melt(id . vars = ' CoortPeriod '，variable.name = ' CohortGroup '，value.name = 'TotalUsers ')

5.保留分析的热图表:

library(" Cairo ")library(" show text ")font _ add(" my font "，" msyh . TTC ")CairoPNG(" C:/Users/LEIGU/Desktop/emoji 1 . png "/>

生存分析是互联网数据分析应用中经常用到的分析工具。本节中的R代码源自文章开头的Python代码的思想。你可以比较两者的优劣，作为以后分析的参考资料。

写在最后:

如果你想深入学习ggplot2，但是苦于平时的学习和工作繁忙，没有时间去研究浩如烟海的源文档，那么没关系。最近这个小系列花了很大力气仔细整理了一些自己的经验，学习ggplot2过程中的经验和模仿入坑指南。现已成功推出R语言ggplot2可视化视频课程，由天山智能独家发行。希望这个课程能给你带来R语言数据的可视化学习。