1
73
¥ 39.00 购买
开通会员,立省3.90元, 立即开通
立即购买

你将收获

1. 对数据分析的整个流程和电商数据分析的框架有清晰完整的认识

2. 熟练掌握 Python 和 Pandas 在数据分析中的实际应用

3. 学完后可以直接把 RFM 模型和 K 均值聚类算法应用到实际工作中

适用人群

对数据分析感兴趣的人员,需要有一定的 Python 使用经验和 Pandas 基础

课程介绍

本课程使用 Python 编程语言,以电商数据为案例,对其进行系统完整的分析。

首先会简单回顾 Python 和 Pandas 的基本用法,然后介绍数据分析的基本流程和电商数据分析的常见框架,并从订单、商品、用户等多个维度对电商数据进行分析,最后再结合 RFM 模型和 K 均值聚类算法,对用户进行聚累分析。

课程讨论

NameError Traceback (most recent call last) <ipython> in <module> 6 7 # labels = k_means_model.labels_ ----&gt; 8 print(pd.Series(labels).value_counts()) 9 10 # fig1 = plt.figure(1, figsize=(12, 8)) NameError: name 'labels' is not defined

第五章 第2节 # 创建 Kmeans 模型并训练 k_means_model = KMeans(n_clusters = 3, random_state = 0) k_means_model.fit(feature_data_scaled) print(k_means_model) # labels = k_means_model.labels_ print(pd.Series(labels).value_counts()) 报错: NameError Traceback (most recent call last) <ipython> in <module> 6 7 # labels = k_means_model.labels_ ----&gt; 8 print(pd.Series(labels).value_counts()) 9 10 # fig1 = plt.figure(1, figsize=(12, 8)) NameError: name 'lab

课件资料哪里可以获得?

四星好评。大体来说这门课兼具系统性和实用性,从开始到第五章第一节RFM模型 中的大多内容都能边学边反复应用,让我感觉自己这门课买得很值得,甚至一度觉得老师定价定低了,嚯嚯。不过到K均值聚类这块儿,看不甚明白了,对里面的概念啊函数、参数作用啊,有些老师提了一嘴的 还有没提到的,都让我懵懵的(当然和我自身基础也很有关系,呵呵)。所以感觉要再找一门课来学一学。另外学习过程中我的一些提问,老师虽然有解答,但一部分最后我也没能解决,这个非常遗憾,尤其是一些新发现又感觉很好用的功能,比如pandas_profiling.ProfileReport(titanic_pd)。ANYWAY,回忆了一下价格,再对比我吸收的内容,这门课的性价比还是颇高的。感谢老师。

请问老师,消费天数间隔这里rfm_data_pd['Recency'] = rfm_data_pd['Recency'].map(lambda x: x.days)报错AttributeError: 'int' object has no attribute 'days'怎么处理

课件没有上传呢,没有上传,没有上传?

请问老师这两个结果为什么不同:print(online_retail_pd['UnitPrice'].std()) ;print(np.std(online_retail_pd['UnitPrice']))

请问老师,如何预先判断要读取的这个文件 不是utf-8 而是ISO-8859-1 ?

请问老师 pip install pandas_profiling之后运行pandas_profiling.ProfileReport(titanic_pd)还是报错该如何处理?这次的报错语句是:ImportError: cannot import name 'GridspecLayout' from 'ipywidgets' (D:\anaconda\lib\site-packages\ipywidgets\__init__.py)

请问:pandas常见用法和技巧一 讲到的import pandas_profiling我输入jupyter notebook报错ModuleNotFoundError: No module named 'pandas_profiling'是什么问题、应该怎么解决?