[TIL/Today I Learned] 수강생들이 가장 많이 혹은 가장 적게 듣는 시간과 요일을 데이터 분석으로 찾기

 

 

수강생들이 가장 많이 혹은 가장 적게 듣는 시간과 요일을 데이터 분석으로 찾기

 

[과제] 수강생들이 가장 많이 혹은 가장 적게 듣는 시간과 요일을 데이터 분석으로 찾기

import pandas as pd ​ #분석할 데이터 불러 오기 sparta_data= pd.read_table('/content/access_detail.csv', sep=',') ​ #데이터 살펴보기. (head를 통해 상위 데이터 5개 확인 가능) sparta_data.head() ​ #파이썬의 type()함수를 쓰면, 데이터의 종류를 확인 할수 있어요 :) print(type(sparta_data['access_date'][1])) #sparta_date 정보에서 access_date 열에서 데이터 첫번째 부분만 확인 하면 되겠죠? # access_date는 날짜 및 시간이 아닌 "문자열"로 나타남 ​ #날짜 원하는 형태로 지정하기 # to_datetime() 은 괄호 안, 해당 열의 데이터를 날짜와 시간 데이터로 변경해줌 format='%Y-%m-%dT%H:%M:%S.%f' sparta_data['access_date_time'] = pd.to_datetime(sparta_data['access_date'], format=format) sparta_data.tail(5) ​ #[날짜 컬럼].dt.day_name 으로 해당 날짜의 요일을 가져 올 수 있음. ​ sparta_data['access_date_time_weekday'] = sparta_data['access_date_time'].dt.day_name() sparta_data['access_date_time_hour'] = sparta_data['access_date_time'].dt.hour sparta_data.tail(5) ​ weeks = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday'] weekdata = sparta_data.groupby('access_date_time_weekday')['user_id'].count() ​ weekdata = weekdata.agg(weeks) #week의 리스트에 따라 데이터들을 다시 한 번 재배열 할수 있음. ​ ​ # [날짜 컬럼].dt.hour 을 사용하면 해당 날짜의 시간 값을 가져 올 수 있음. # sort_index()는 데이터를 오름차순으로 정렬해줌. # 내림차순은 sort_index(ascending=False) hourdata = sparta_data.groupby('access_date_time_hour')['user_id'].count() hourdata = hourdata.sort_index() hourdata

---

이어서 가장 적절한 고객 관리 타이밍은?_ 분석 및 시각화

​

#matplotlib, numpy 사용 선언 import matplotlib.pyplot as plt import numpy as np ​ #그래프 사이즈 plt.figure(figsize=(10,5)) ​ #그래프 x축 y축 plt.bar(weekdata.index, weekdata) ​ #그래프 명 plt.title('요일별 수강 완료 수강생 수') ​ #그래프 x축 레이블 plt.xlabel('요일') ​ #그래프 y축 레이블 plt.ylabel('수강생(명)') ​ #x축 레이블을 90도로 변환 plt.xticks(rotation=90) ​ #그래프 출력 plt.show()

---

그 다음, 시간 별 접속 하는 수강생 수의 라인 그래프 그리기

​

#그래프 사이즈 변경 plt.figure(figsize=(10,5)) ​ #그래프 x축 y축 plt.plot(hourdata.index, hourdata) ​ #그래프 명 plt.title('시간별 수강 완료 사용자 수') ​ #그래프 x축 레이블 plt.xlabel('시간') ​ #그래프 y축 레이블 plt.ylabel('사용자(명)') ​ #x축 눈금 표시 하기,np.arange: 괄호에 명시된 간격으로 배열 생성​ plt.xticks(np.arange(24)) ​ #그래프 출력 plt.show()

---

한글 폰트 깨질 때

!sudo apt-get install -y fonts-nanum !sudo fc-cache -fv !rm ~/.cache/matplotlib -rf ​ plt.rc('font', family='NanumBarunGothic')

---

요일 별 접속 시간 살펴보기 그리고 히트맵으로 나타내기

​

#피벗테이블 만들기 ​ #values : 열에 들어 가는 부분 #index : 행에 들어가는 부분 #aggfunc : 데이터 축약시 사용할 함수 ​ sparta_data_pivot_table = pd.pivot_table(sparta_data, values='user_id', index=['access_date_time_weekday'], columns=['access_date_time_hour'], aggfunc="count").agg(weeks) sparta_data_pivot_table

---

#그래프 사이즈 변경 plt.figure(figsize=(14,5)) ​ #pcolor를 이용하여 heatmap 그리기 plt.pcolor(sparta_data_pivot_table) ​ #히트맵에서의 x축 plt.xticks(np.arange(0.5, len(sparta_data_pivot_table.columns), 1), sparta_data_pivot_table.columns) ​ #히트맵에서의 y축 plt.yticks(np.arange(0.5, len(sparta_data_pivot_table.index), 1), sparta_data_pivot_table.index) ​ #그래프 명 plt.title('요일별 종료 시간 히트맵') ​ #그래프 x축 레이블 plt.xlabel('시간') ​ #그래프 y축 레이블 plt.ylabel('요일') ​ #plt.colorbar() 명령어를 추가하면 그래프 옆에 숫자별 색상값을 나타내는 컬러바를 보여 줍니다 plt.colorbar() plt.show()

​

---

독려 메세지의 가장 적절한 타이밍을 찾기 위해 수강생들의 접속 일자 및 시간을 살펴봄/

먼저 요일을 살펴보자면 아래 보시는 것과 같이,

일주일 중 “화요일” 그리고 "일요일”"에 수강이 많이 이뤄졌고,

“금요일” 과 "수요일"에 수강 하는 인원이 가장 적었습니다.

이어서, 일별 접속 시간의 추이

저녁시간 쯤인 18시대에 접속이 폭발적으로 많았고,

밤 21시쯤에 감소하는 추세

​

요일 별, 시간대별로도 살펴보았더니 역시

화요일 18시에 가장 많은 접속자가 있다는 것을 확인할 수 있었습니다.

그리하여, 고객 관리 문자는

가장 수강을 많이 한 화요일, 일요일 저녁시간쯤에 독려 문자를

가장 수강을 적게 한 금요일, 수요일 오전시간에 동기부여 문자를 보내보는 것이 적절.

​

​

# 전체 코드

 

import pandas as pd ​ sparta_data= pd.read_table('/content/access_detail.csv', sep=',') sparta_data.head() ​ print(type(sparta_data['access_date'][1])) ​ format='%Y-%m-%dT%H:%M:%S.%f' sparta_data['access_date_time'] = pd.to_datetime(sparta_data['access_date'], format=format) sparta_data.tail(5) ​ sparta_data['access_date_time_weekday'] = sparta_data['access_date_time'].dt.day_name() sparta_data['access_date_time_hour'] = sparta_data['access_date_time'].dt.hour sparta_data.tail(5) ​ weeks = ['Monday', 'Tuesday', 'Wednesday', 'Thursday', 'Friday', 'Saturday', 'Sunday'] weekdata = sparta_data.groupby('access_date_time_weekday')['user_id'].count() ​ weekdata = weekdata.agg(weeks) ​ hourdata = sparta_data.groupby('access_date_time_hour')['user_id'].count() hourdata = hourdata.sort_index() hourdata ​ import matplotlib.pyplot as plt import numpy as np ​ #그래프 사이즈 plt.figure(figsize=(10,5)) ​ #그래프 x축 y축 plt.bar(weekdata.index, weekdata) ​ #그래프 명 plt.title('요일별 수강 완료 수강생 수') ​ #그래프 x축 레이블 plt.xlabel('요일') ​ #그래프 y축 레이블 plt.ylabel('수강생(명)') ​ #x축 레이블을 90도로 변환 plt.xticks(rotation=90) ​ #그래프 출력 plt.show() ​ #그래프 사이즈 변경 plt.figure(figsize=(10,5)) ​ #그래프 x축 y축 plt.plot(hourdata.index, hourdata) ​ #그래프 명 plt.title('시간별 수강 완료 사용자 수') ​ #그래프 x축 레이블 plt.xlabel('시간') ​ #그래프 y축 레이블 plt.ylabel('사용자(명)') ​ #x축 눈금 표시 하기 plt.xticks(np.arange(24)) ​ #그래프 출력 plt.show() ​ !sudo apt-get install -y fonts-nanum !sudo fc-cache -fv !rm ~/.cache/matplotlib -rf ​ plt.rc('font', family='NanumBarunGothic') ​ sparta_data_pivot_table = pd.pivot_table(sparta_data, values='user_id', index=['access_date_time_weekday'], columns=['access_date_time_hour'], aggfunc="count").agg(weeks) sparta_data_pivot_table ​ #그래프 사이즈 변경 plt.figure(figsize=(14,5)) ​ #pcolor를 이용하여 heatmap 그리기 plt.pcolor(sparta_data_pivot_table) ​ #히트맵에서의 x축 plt.xticks(np.arange(0.5, len(sparta_data_pivot_table.columns), 1), sparta_data_pivot_table.columns) ​ #히트맵에서의 y축 plt.yticks(np.arange(0.5, len(sparta_data_pivot_table.index), 1), sparta_data_pivot_table.index) ​ #그래프 명 plt.title('요일별 종료 시간 히트맵') ​ #그래프 x축 레이블 plt.xlabel('시간') ​ #그래프 y축 레이블 plt.ylabel('요일') ​ #plt.colorbar() 명령어를 추가하면 그래프 옆에 숫자별 색상값을 나타내는 컬러바를 보여 줍니다 plt.colorbar() plt.show() ​

​