Skip to content

电商平台用户行为分析系统的数据采集与处理流程设计 ​

python0/2 已填
import pandas
import numpy as np
import matplotlib.pyplot as plt

# 1. 数据采集
# 从本地文件中读取数据  2分
data =  
print("数据采集完成,已加载到DataFrame中")

# 打印数据的前5条记录  2分
print()
python0/16 已填
# 2. 数据清洗与预处理
# 处理缺失值(删除)  2分
data = 

# 数据类型转换
data = (int)   # Age数据类型转换为int 2分
data = (float) # PurchaseAmount数据类型转换为float  2分
data = (int)   # ReviewScore数据类型转换为int 2分

# 处理异常值  2分
data = data[(.(18, 70)) &
            (data['PurchaseAmount'] > 0) &
            (.(1, 5))]

# 数据标准化
data['PurchaseAmount'] = (data['PurchaseAmount'] - ) /   # PurchaseAmount数据标准化 2分
data['ReviewScore'] = (data['ReviewScore'] - ) /         # ReviewScore数据标准化 2分

# 保存清洗后的数据  1分
('cleaned_user_behavior_data.csv', index=False)
print("数据清洗完成,已保存为 'cleaned_user_behavior_data.csv'")
python0/6 已填
# 3. 数据统计
# 统计每个购买类别的用户数 2分
purchase_category_counts = .
print("每个购买类别的用户数:\n", purchase_category_counts)

# 统计不同性别的平均购买金额 2分
gender_purchase_amount_mean = ()['PurchaseAmount'].mean()
print("不同性别的平均购买金额:\n", gender_purchase_amount_mean)

# 统计不同年龄段的用户数 2分
bins = [18, 26, 36, 46, 56, 66, np.inf]
labels = ['18-25', '26-35', '36-45', '46-55', '56-65', '65+']
data['AgeGroup'] = pandas.(, right=False)
age_group_counts = data['AgeGroup'].value_counts().sort_index()
print("不同年龄段的用户数:\n", age_group_counts)

上海人工智能训练师(三级)实训 · 40 个实战任务