celine11111的博客

数据集是游戏销售情况字段说明如下：• Rank - Ranking of overall sales• Name - The games name• Platform - Platform of the games release (i.e. PC,PS4, etc.)• Year - Year of the game’s release• Genre - Genre of the game• Publisher - Publisher of the game• NA_Sales - S

项目背景数据是从kaggle下载的，Airbnb是一个让大众出租住宿民宿的网站，提供短期出租房屋或房间的服务，并且以其独特性的居住体验发展迅速，这里我们拿到的数据是2019年纽约的民宿数据。这里需要注意一点，有的压缩包解压之后直接使用csv文件会有问题，正确的方式是，1）右击csv文件，打开方式选择txt，然后保存，Encloding选ANSI保存，2）再使用Excel打开csv文件，然后另存为，保存类型选择CSV UTF-8（逗号分隔），这样文件可以解决基本的中文乱码/列错位等等问题；impor

%matplotlib inlineimport pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsplt.rc("font",family="SimHei",size="12") #用于解决中文显示不了的问题sns.set_style("whitegrid") Exploratory data analysis (EDA) 探索性数据分析一、Data Clean 数据清洗

这是一份用户消费行为的分析报告数据来源于网络，是一家CD网站的销售情况一、基础数据清洗import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsplt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=False%matplotlib inlineplt.style.use(

四、参照RFM模型，对用户进行分类找出有价值的用户RFM模型是衡量客户价值和客户创利能力的重要工具。该模型通过客户的**最近交易行为（Recency）、交易频率（Frequency）以及交易金额（Monetary）**三项指标来描述该客户的价值状况。一般来说，会将这三项指标分成几个区间进行评分，通过计算评分找到有价值的用户，并对用户进行分类。最近一次消费(Recency)：是指最近一次消费距离上一次消费之间的时间长短。它反映了客户对产品的态度以及对品牌价值的信任度，它关乎消费者的存留状况。消费频率(F

1. 项目背景：通过对现有用户购物行为的数据进行分析，深度探索用户的消费行为、消费规律、消费偏好，针对不同的用户群体，以便更精细化运营，取得更好的业务；2. 数据来源数据来源：https://tianchi.aliyun.com/dataset/dataDetail?dataId=649&userId=1注：如果数据太大，可以通过系统抽样选取部分数据UserBehavior是阿里巴巴提供的一个淘宝用户行为数据集，本数据集(UserBehavior.csv)包含了2017年11月25日