题目描述: 现有某店铺会员消费情况sales.csv。包含以下字段: user_id:会员编号; recency:最近一次消费距离当天的天数; frequency:一段时间内消费的次数; monetary:一段时间内消费的总金额。 请你统计最有价值的用户中消费金额最多的前5名用户。 输入描述: 数据集可以从当前目录下sales.csv读取。 输出描述: 请你先对每个用户销售情况的每个特征进行评分,分值为1-4分。再将所有评分拼接到一起形成新的列RFMClass。 评分规则如下: 对于recency特征,值越小越好。对于frequency和monetary值越大越好。如对于recency: 数值小于等于下四分位数则评为4分; 大于下四分位数并且小于等于中位数则评为3分; 大于中位数且小于等于上四分位数则评为2分; 大于上四分位数则评为1分。 对于frequency和monetary则方法刚好相反。 请你输出评分后的数据的前5行并输出最有价值的用户(评分为“444”)中销售总金额最高的前5位(索引从0开始),以上数据集的输出如下图所示(两次输出之间有一个空行)。 

区块链毕设网qklbishe.com为您提供问题的解答

题目描述:

现有某店铺会员消费情况sales.csv。包含以下字段:

  • user_id:会员编号;
  • recency:最近一次消费距离当天的天数;
  • frequency:一段时间内消费的次数;
  • monetary:一段时间内消费的总金额。

请你统计最有价值的用户中消费金额最多的前5名用户。

输入描述:

数据集可以从当前目录下sales.csv读取。
题目描述:   	现有某店铺会员消费情况sales.csv。包含以下字段:   	 		user_id:会员编号; 	 	 		recency:最近一次消费距离当天的天数; 	 	 		frequency:一段时间内消费的次数; 	 	 		monetary:一段时间内消费的总金额。 	   	请你统计最有价值的用户中消费金额最多的前5名用户。   	输入描述:   	数据集可以从当前目录下sales.csv读取。   	     	输出描述:   	请你先对每个用户销售情况的每个特征进行评分,分值为1-4分。再将所有评分拼接到一起形成新的列RFMClass。   	评分规则如下: 对于recency特征,值越小越好。对于frequency和monetary值越大越好。如对于recency:   	 		数值小于等于下四分位数则评为4分; 	 	 		大于下四分位数并且小于等于中位数则评为3分; 	 	 		大于中位数且小于等于上四分位数则评为2分; 	 	 		大于上四分位数则评为1分。 	   	对于frequency和monetary则方法刚好相反。   	请你输出评分后的数据的前5行并输出最有价值的用户(评分为“444”)中销售总金额最高的前5位(索引从0开始),以上数据集的输出如下图所示(两次输出之间有一个空行)。 

输出描述:

请你先对每个用户销售情况的每个特征进行评分,分值为1-4分。再将所有评分拼接到一起形成新的列RFMClass。

评分规则如下: 对于recency特征,值越小越好。对于frequency和monetary值越大越好。如对于recency:

  • 数值小于等于下四分位数则评为4分;
  • 大于下四分位数并且小于等于中位数则评为3分;
  • 大于中位数且小于等于上四分位数则评为2分;
  • 大于上四分位数则评为1分。

对于frequency和monetary则方法刚好相反。

请你输出评分后的数据的前5行并输出最有价值的用户(评分为“444”)中销售总金额最高的前5位(索引从0开始),以上数据集的输出如下图所示(两次输出之间有一个空行)。 题目描述:   	现有某店铺会员消费情况sales.csv。包含以下字段:   	 		user_id:会员编号; 	 	 		recency:最近一次消费距离当天的天数; 	 	 		frequency:一段时间内消费的次数; 	 	 		monetary:一段时间内消费的总金额。 	   	请你统计最有价值的用户中消费金额最多的前5名用户。   	输入描述:   	数据集可以从当前目录下sales.csv读取。   	     	输出描述:   	请你先对每个用户销售情况的每个特征进行评分,分值为1-4分。再将所有评分拼接到一起形成新的列RFMClass。   	评分规则如下: 对于recency特征,值越小越好。对于frequency和monetary值越大越好。如对于recency:   	 		数值小于等于下四分位数则评为4分; 	 	 		大于下四分位数并且小于等于中位数则评为3分; 	 	 		大于中位数且小于等于上四分位数则评为2分; 	 	 		大于上四分位数则评为1分。 	   	对于frequency和monetary则方法刚好相反。   	请你输出评分后的数据的前5行并输出最有价值的用户(评分为“444”)中销售总金额最高的前5位(索引从0开始),以上数据集的输出如下图所示(两次输出之间有一个空行)。 

import pandas as pd
sales = pd.read_csv(‘sales.csv’)
sales["monetary"] = sales["monetary"].astype("int")
sales["R_Quartile"] = pd.qcut(sales["recency"], [0, 0.25, 0.5, 0.75, 1],
                              labels=["4", "3", "2", "1"]).astype("str")
sales["F_Quartile"] = pd.qcut(sales["frequency"], [0, 0.25, 0.5, 0.75, 1], 
                              labels=["1", "2", "3", "4"]).astype("str")
sales["M_Quartile"] = pd.qcut(sales["monetary"], [0, 0.25, 0.5, 0.75, 1], 
                              labels=["1", "2", "3", "4"]).astype("str")
sales[‘RFMClass’] = sales["R_Quartile"] + sales["F_Quartile"] + sales["M_Quartile"]
df = sales[[‘user_id’,’recency’,’frequency’,’monetary’,’RFMClass’]]
print(df.head(5))
print(‘/n’)
print(df.loc[df[‘RFMClass’] == ‘444’].sort_values(by=’monetary’,ascending= False).head(5))

34:04

以上就是关于问题题目描述: 现有某店铺会员消费情况sales.csv。包含以下字段: user_id:会员编号; recency:最近一次消费距离当天的天数; frequency:一段时间内消费的次数; monetary:一段时间内消费的总金额。 请你统计最有价值的用户中消费金额最多的前5名用户。 输入描述: 数据集可以从当前目录下sales.csv读取。
输出描述: 请你先对每个用户销售情况的每个特征进行评分,分值为1-4分。再将所有评分拼接到一起形成新的列RFMClass。 评分规则如下: 对于recency特征,值越小越好。对于frequency和monetary值越大越好。如对于recency: 数值小于等于下四分位数则评为4分; 大于下四分位数并且小于等于中位数则评为3分; 大于中位数且小于等于上四分位数则评为2分; 大于上四分位数则评为1分。 对于frequency和monetary则方法刚好相反。 请你输出评分后的数据的前5行并输出最有价值的用户(评分为“444”)中销售总金额最高的前5位(索引从0开始),以上数据集的输出如下图所示(两次输出之间有一个空行)。 的答案

欢迎关注区块链毕设网-
专业区块链毕业设计成品源码,定制。

区块链NFT链游项目方科学家脚本开发培训

承接区块链项目定制开发

微信:btc9767

QQ :1330797917

TELEGRAM: BTCOK9

承接区块链项目定制开发


qklbishe.com区块链毕设代做网专注|以太坊fabric-计算机|java|毕业设计|代做平台-javagopython毕设 » 题目描述: 现有某店铺会员消费情况sales.csv。包含以下字段: user_id:会员编号; recency:最近一次消费距离当天的天数; frequency:一段时间内消费的次数; monetary:一段时间内消费的总金额。 请你统计最有价值的用户中消费金额最多的前5名用户。 输入描述: 数据集可以从当前目录下sales.csv读取。 输出描述: 请你先对每个用户销售情况的每个特征进行评分,分值为1-4分。再将所有评分拼接到一起形成新的列RFMClass。 评分规则如下: 对于recency特征,值越小越好。对于frequency和monetary值越大越好。如对于recency: 数值小于等于下四分位数则评为4分; 大于下四分位数并且小于等于中位数则评为3分; 大于中位数且小于等于上四分位数则评为2分; 大于上四分位数则评为1分。 对于frequency和monetary则方法刚好相反。 请你输出评分后的数据的前5行并输出最有价值的用户(评分为“444”)中销售总金额最高的前5位(索引从0开始),以上数据集的输出如下图所示(两次输出之间有一个空行)。