1.1.4 用户行为数据分析

import pandas import numpy as np import matplotlib.pyplot as plt # 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(💡)

# 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'")

# 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)