Python数据分析——教育平台的线上课程智能推荐策略（2020泰迪杯数据分析技能赛）

最新推荐文章于 2024-06-29 16:57:48 发布
最新推荐文章于 2024-06-29 16:57:48 发布
阅读量2.1k 收藏 37
点赞数 2
分类专栏： python数据分析操作 python数据可视化 文章标签： python 数据分析 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/J__aries/article/details/131110338
版权

赛题背景：近年来，随着互联网与通信技术的高速发展，学习资源的建设与共享呈现出新的发展趋势，各种网课、慕课、直播课等层出不穷，各种在线教育平台和学习 应用纷纷涌现。尤其是 2020 年春季学期，受新冠疫情影响，在教育部“停课不停学”的要求下，网络平台成为“互联网+教育”成果的重要展示阵地。因此， 如何根据教育平台的线上用户信息和学习信息，通过数据分析为教育平台和用户提供精准的课程推荐服务就成为线上教育的热点问题。 本赛题提供了某教育平台近两年的运营数据，希望参赛者根据这些数据，为平台制定综合的线上课程推荐策略，以便更好地服务线上用户。

请添加图片描述

users.csv （ 用 户 信 息 表 ）、 study_information.csv（学习详情表）和 login.csv（登录详情表），它们的数据说明 分别如表 1、表 2 和表 3 所示。

表 1 users.csv 字段说明

字段名描述
user_id用户 id
registration_time注册时间
recently_logged最近访问时间
learn_time学习时长（分）
number_of_classes_join加入班级数
number_of_classes_out退出班级数
school用户所属学校

表 2 study_information.csv 字段说明

字段名描述
user_id用户 id
course_id课程 id
course_join_time加入课程的时间
learn_process学习进度
price课程单价

表 3 login.csv 字段说明

字段名描述
user_id用户 id
login_time登录时间
login_place登录地址
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

#中文乱码与坐标轴负号处理
plt.rcParams['font.sans-serif'] = ['Microsoft Yahei']
plt.rcParams['axes.unicode_minus'] = False

Login = pd.read_csv('Login.csv')
Login.head()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
user_idlogin_timelogin_place
0用户32018-09-06 09:32:47中国广东广州
1用户32018-09-07 09:28:28中国广东广州
2用户32018-09-07 09:57:44中国广东广州
3用户32018-09-07 10:55:07中国广东广州
4用户32018-09-07 12:28:42中国广东广州
study_information = pd.read_csv('study_information.csv')
study_information.head()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
user_idcourse_idcourse_join_timelearn_processprice
0用户3课程1062020-04-21 10:11:50width: 0%;0.0
1用户3课程1362020-03-05 11:44:36width: 1%;0.0
2用户3课程2052018-09-10 18:17:01width: 63%;0.0
3用户4课程262020-03-31 10:52:51width: 0%;319.0
4用户4课程342020-03-31 10:52:49width: 0%;299.0
users = pd.read_csv('users.csv')
users1 = users[['user_id','register_time','recently_logged','learn_time']]
users1.head()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
user_idregister_timerecently_loggedlearn_time
0用户442512020/6/18 9:492020/6/18 9:4941.25
1用户442502020/6/18 9:472020/6/18 9:480
2用户442492020/6/18 9:432020/6/18 9:4316.22
3用户442482020/6/18 9:092020/6/18 9:090
4用户442472020/6/18 7:412020/6/18 8:151.8

任务一 数据预处理

任务1.1

对照附录 1，理解各字段的含义，进行缺失值、重复值等方面的必要处理，将处理结果保存“task1_1_X.csv”（如果包含多张数据表，X 可从 1 开始往后编号），并在报告中描述处理过程。

缺失值处理

Login.isnull().mean()

user_id        0.0
login_time     0.0
login_place    0.0
dtype: float64

study_information.isnull().mean()

user_id             0.000000
course_id           0.000000
course_join_time    0.000000
learn_process       0.000000
price               0.021736
dtype: float64

删除price的缺失，认0为免费课程

study_information = study_information.dropna(subset=['price'])
study_information.head()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
user_idcourse_idcourse_join_timelearn_processprice
0用户3课程1062020-04-21 10:11:50width: 0%;0.0
1用户3课程1362020-03-05 11:44:36width: 1%;0.0
2用户3课程2052018-09-10 18:17:01width: 63%;0.0
3用户4课程262020-03-31 10:52:51width: 0%;319.0
4用户4课程342020-03-31 10:52:49width: 0%;299.0
users1.isnull().mean()

user_id            0.001523
register_time      0.000000
recently_logged    0.000000
learn_time         0.000000
dtype: float64

对user_id缺失进行删除

users1 = users.dropna(subset=['user_id'])
users1.head()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
user_idregister_timerecently_loggednumber_of_classes_joinnumber_of_classes_outlearn_timeschool
0用户442512020/6/18 9:492020/6/18 9:490041.25NaN
1用户442502020/6/18 9:472020/6/18 9:48000NaN
2用户442492020/6/18 9:432020/6/18 9:430016.22NaN
3用户442482020/6/18 9:092020/6/18 9:09000NaN
4用户442472020/6/18 7:412020/6/18 8:15001.8NaN

异常值处理

#excel表格处理
users1.to_csv('new_users1.csv')

new_users1 = pd.read_csv('new_users.csv')
new_users1.columns
new_users = new_users1[[ 'user_id', 'register_time', 'recently_logged', 'number_of_classes_join','number_of_classes_out','learn_time']]
new_users.head()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
user_idregister_timerecently_loggednumber_of_classes_joinnumber_of_classes_outlearn_time
0用户442512020/6/18 9:492020/6/18 9:490041.25
1用户442502020/6/18 9:472020/6/18 9:48000
2用户442492020/6/18 9:432020/6/18 9:430016.22
3用户442482020/6/18 9:092020/6/18 9:09000
4用户442472020/6/18 7:412020/6/18 8:15001.8

任务 1.2

重复值处理

print("Login表存在重复值：",any(Login.duplicated()))
print("study_information表存在重复值：",any(study_information.duplicated()))
print("users表存在重复值：",any(new_users.duplicated()))

Login表存在重复值： False
study_information表存在重复值： False
users表存在重复值： True

new_users.drop_duplicates(inplace=True)
new_users.head()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
user_idregister_timerecently_loggednumber_of_classes_joinnumber_of_classes_outlearn_time
0用户442512020/6/18 9:492020/6/18 9:490041.25
1用户442502020/6/18 9:472020/6/18 9:48000
2用户442492020/6/18 9:432020/6/18 9:430016.22
3用户442482020/6/18 9:092020/6/18 9:09000
4用户442472020/6/18 7:412020/6/18 8:15001.8

任务二 平台用户活跃度分析

任务 2.1

分别绘制各省份与各城市平台登录次数热力地图，并分析用户分布情况。

——国内

Login['guobie'] = Login['login_place'].apply(lambda x:x[0:2]).tolist()
Login.head(5)

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
user_idlogin_timelogin_placeguobie
0用户32018-09-06 09:32:47中国广东广州中国
1用户32018-09-07 09:28:28中国广东广州中国
2用户32018-09-07 09:57:44中国广东广州中国
3用户32018-09-07 10:55:07中国广东广州中国
4用户32018-09-07 12:28:42中国广东广州中国
Login_nei = Login.loc[Login['login_place'].str.contains("内蒙古")] 
Login_nei['shengfen'] = Login_nei['login_place'].apply(lambda x:x[2:5]).tolist()
Login_nei['chengshi'] = Login_nei['login_place'].apply(lambda x:x[5:]).tolist()
Login_nei.head()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
user_idlogin_timelogin_placeguobieshengfenchengshi
15646用户12342020-02-03 21:38:07中国内蒙古呼和浩特中国内蒙古呼和浩特
17145用户14912019-01-04 14:19:26中国内蒙古呼和浩特中国内蒙古呼和浩特
17283用户15442019-10-11 13:56:47中国内蒙古呼和浩特中国内蒙古呼和浩特
17698用户17152019-01-10 09:37:46中国内蒙古鄂尔多斯中国内蒙古鄂尔多斯
17809用户17652019-01-11 15:03:12中国内蒙古兴安盟中国内蒙古兴安盟
Login_hei = Login.loc[Login['login_place'].str.contains("黑龙江")] 
Login_hei['shengfen'] = Login_hei['login_place'].apply(lambda x:x[2:5]).tolist()
Login_hei['chengshi'] = Login_hei['login_place'].apply(lambda x:x[5:]).tolist()
Login_hei.head()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
user_idlogin_timelogin_placeguobieshengfenchengshi
5682用户1862018-10-25 19:40:12中国黑龙江中国黑龙江
5683用户1862018-10-27 11:30:15中国黑龙江中国黑龙江
5684用户1862018-10-28 12:23:24中国黑龙江中国黑龙江
5821用户1962018-10-25 19:57:47中国黑龙江中国黑龙江
6196用户2292018-10-25 21:28:13中国黑龙江哈尔滨中国黑龙江哈尔滨
#不包括内蒙古、黑龙江
Login2 = Login[~Login['login_place'].str.contains("内蒙古|黑龙江")] 

Login2['shengfen'] = Login2['login_place'].apply(lambda x:x[2:4]).tolist()
Login2['chengshi'] = Login2['login_place'].apply(lambda x:x[4:]).tolist()
Login2.head(5)

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
user_idlogin_timelogin_placeguobieshengfenchengshi
0用户32018-09-06 09:32:47中国广东广州中国广东广州
1用户32018-09-07 09:28:28中国广东广州中国广东广州
2用户32018-09-07 09:57:44中国广东广州中国广东广州
3用户32018-09-07 10:55:07中国广东广州中国广东广州
4用户32018-09-07 12:28:42中国广东广州中国广东广州
Login_he1 = Login_nei.append(Login2)
Login_he2 = Login_he1.append(Login_hei)
Login_he = Login_he2[['user_id','login_time','guobie','shengfen','chengshi']]
Login_he.head()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
user_idlogin_timeguobieshengfenchengshi
15646用户12342020-02-03 21:38:07中国内蒙古呼和浩特
17145用户14912019-01-04 14:19:26中国内蒙古呼和浩特
17283用户15442019-10-11 13:56:47中国内蒙古呼和浩特
17698用户17152019-01-10 09:37:46中国内蒙古鄂尔多斯
17809用户17652019-01-11 15:03:12中国内蒙古兴安盟

——国外

#各国登录统计
Login_he2 =  Login_he.groupby(by='guobie',as_index=False).count()
#不包括中国
Login_he3 = Login_he2[~Login_he2['guobie'].isin(["中国"])]
Login_he3

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
guobieuser_idlogin_timeshengfenchengshi
1南非3333
2希腊1111
3德国24242424
4挪威1111
5捷克4444
6波兰7777
7泰国2222
8瑞典1111
9瑞士1111
10英国151151151151
11荷兰8888
12越南27272727
from pyecharts.charts import Line
from pyecharts import options as opts 
x_data = list(Login_he3['guobie'])
#['South Africa','Greece','Germany','Norway','Czech Rep.','Poland','Thailand',
         # 'Sweden','Switzerland','United Kingdom','Netherlands','Vietnam']
y_data = Login_he3['user_id']

# 特殊值标记
line = (Line()
        .add_xaxis(x_data)
        .add_yaxis("国外平台登录情况",y_data)
        .set_series_opts(
        # 为了不影响标记点，这里把标签关掉
        label_opts=opts.LabelOpts(is_show=False),
        markline_opts=opts.MarkLineOpts(
            data=[
                opts.MarkLineItem(type_="average", name="平均值")
            ]))
        .set_global_opts(
            #title_opts=opts.TitleOpts(title="国内平台登录次数", subtitle="副标题"),                         # 标题
            toolbox_opts=opts.ToolboxOpts(),                                 # 工具箱
            datazoom_opts=opts.DataZoomOpts(range_start=0,range_end=100)     # 横轴缩放
        )
        )                                                                                                
line.render_notebook()

请添加图片描述

各省份平台登录次数热力地图

#不包括国外
Login_china = Login_he[Login_he['guobie'].isin(["中国"])]

Login_china2 =  Login_china.groupby(by='shengfen',as_index=False).count()
Login_china3 = Login_china2.iloc[1:,]
Login_china3['count'] = Login_china3['user_id']
Login_china3.head()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
shengfenuser_idlogin_timeguobiechengshicount
1上海53655365536553655365
2云南37503750375037503750
3内蒙18701870187018701870
4内蒙古18701870187018701870
5北京49464946494649464946
type(y_data.values)

numpy.ndarray

——全国省份用户登录人数分布

from pyecharts.charts import Bar

x_data = list(Login_china3['shengfen'])
y_data = list(Login_china3['count'])

# 特殊值标记
bar = (Bar()
       .add_xaxis(x_data)
       .add_yaxis('国内平台登录次数', y_data)
       .set_series_opts(
        markpoint_opts=opts.MarkPointOpts(
            data=[
                opts.MarkPointItem(type_="max", name="最大值"),
                opts.MarkPointItem(type_="min", name="最小值"),                
            ]))
       .set_global_opts(
            #title_opts=opts.TitleOpts(title="国内平台登录次数", subtitle="副标题"),                         # 标题
            toolbox_opts=opts.ToolboxOpts(),                 # 工具箱
            datazoom_opts=opts.DataZoomOpts(range_start=0,range_end=100)     # 横轴缩放
        )
       .set_series_opts(
        # 为了不影响标记点，这里把标签关掉
        label_opts=opts.LabelOpts(is_show=False),
        markline_opts=opts.MarkLineOpts(
            data=[
                opts.MarkLineItem(type_="average", name="平均值")
            ]))
      )

bar.render_notebook()
#bar.render('map2.html') #保存到本地

请添加图片描述

from pyecharts.charts import Map
province = ['北京市','天津市','河北省','山西省','内蒙古自治区','辽宁省','吉林省','黑龙江省','上海市','江苏省','浙江省','安徽省','福建省','江西省',
'山东省','河南省','湖北省','湖南省','广东省','广西壮族自治区','海南省','重庆市','四川省','贵州省','云南省','陕西省','甘肃省','青海省','宁夏回族自治区','新疆维吾尔自治区']

values = list(Login_china3['count'])
data = [[province[i],values[i]] for i in range(len(province))]
map = (
    Map()      
    .add("中国地图平台登录次数",data,'china')
      )
map.set_global_opts(
    visualmap_opts=opts.VisualMapOpts(max_=125000),  #最大数据范围
    toolbox_opts=opts.ToolboxOpts()                                                     # 工具箱
    )
map.render_notebook()

请添加图片描述

各城市平台登录次数热力地图

#重点省份用户平台登陆次数分析

Login_china4 = Login_china3.sort_values(by='count',ascending=False)
Login_china5 = Login_china4.iloc[0:10,:]

x_data = list(Login_china5['shengfen'])
y_data = list(Login_china5['count'])

bar = (Bar()
       .add_xaxis(x_data)
       .add_yaxis('重点省份用户平台登陆次数分析', y_data)
       .set_series_opts(
        markpoint_opts=opts.MarkPointOpts(
            data=[
                opts.MarkPointItem(type_="max", name="最大值"),
                opts.MarkPointItem(type_="min", name="最小值"),                
            ]))
       .set_global_opts(
            title_opts=opts.TitleOpts(title="国内平台登录次数"),                         # 标题
            toolbox_opts=opts.ToolboxOpts(),                                                     # 工具箱
            datazoom_opts=opts.DataZoomOpts(range_start=0,range_end=100)                         # 横轴缩放
        )
       .set_series_opts(
        # 为了不影响标记点，这里把标签关掉
        label_opts=opts.LabelOpts(is_show=False),
        markline_opts=opts.MarkLineOpts(
            data=[
                opts.MarkLineItem(type_="average", name="平均值")
            ]))
      )
bar.render_notebook()

请添加图片描述

——重点省份用户分布情况分析

#广东
Login_guangdong1 = Login_he[Login_he['shengfen'].isin(["广东"])]
Login_guangdong2 =  Login_guangdong1.groupby(by='chengshi',as_index=False).count()
Login_guangdong = Login_guangdong2.iloc[1:,]

Login_guangdong["new_chengshi"] = Login_guangdong['chengshi']+'市'

x_data = list(Login_guangdong['user_id'])
y_data = list(Login_guangdong['new_chengshi'])
data = [[y_data[i],x_data[i]] for i in range(len(y_data))]

map = (
    Map()      
    .add("广东各城市平台登录次数热力地图",data,'广东')
      )
map.set_global_opts(
    visualmap_opts=opts.VisualMapOpts(max_=28000),  #最大数据范围
    toolbox_opts=opts.ToolboxOpts()                                                     # 工具箱
    )
map.render_notebook()

请添加图片描述

#湖北

Login_hubei1 = Login_he[Login_he['shengfen'].isin(["湖北"])]
Login_hubei2 =  Login_hubei1.groupby(by='chengshi',as_index=False).count()
Login_hubei = Login_hubei2.iloc[1:,]

Login_hubei["new_chengshi"] = Login_hubei['chengshi']+'市'
Login_hubei.loc[Login_hubei['new_chengshi']== '恩施土家族苗族自治州市','new_chengshi']= '恩施土家族苗族自治州'
Login_hubei.loc[Login_hubei['new_chengshi']== '神农架林区市','new_chengshi']= '神农架林区'
x_data = list(Login_hubei['user_id'])
y_data = list(Login_hubei['new_chengshi'])

data = [[y_data[i],x_data[i]] for i in range(len(y_data))]

map = (
    Map()      
    .add("湖北各城市平台登录次数热力地图",data,'湖北')
      )
map.set_global_opts(
    visualmap_opts=opts.VisualMapOpts(max_=6800),  #最大数据范围
    toolbox_opts=opts.ToolboxOpts()                                                     # 工具箱
    )
map.render_notebook()

请添加图片描述

#贵州

Login_guizhou1 = Login_he[Login_he['shengfen'].isin(["贵州"])]
Login_guizhou2 =  Login_guizhou1.groupby(by='chengshi',as_index=False).count()
Login_guizhou = Login_guizhou2.iloc[1:,]

Login_guizhou["new_chengshi"] = Login_guizhou['chengshi']+'市'
Login_guizhou.loc[Login_guizhou['new_chengshi']== '黔东南苗族侗族自治州市','new_chengshi']= '黔东南苗族侗族自治州'
Login_guizhou.loc[Login_guizhou['new_chengshi']== '黔南布依族苗族自治州市','new_chengshi']= '黔南布依族苗族自治州'
Login_guizhou.loc[Login_guizhou['new_chengshi']== '黔西南布依族苗族自治州市','new_chengshi']= '黔西南布依族苗族自治州'

x_data = list(Login_guizhou['user_id'])
y_data = list(Login_guizhou['new_chengshi'])

data = [[y_data[i],x_data[i]] for i in range(len(y_data))]

map = (
    Map()      
    .add("贵州各城市平台登录次数热力地图",data,'贵州')
      )
map.set_global_opts(
    visualmap_opts=opts.VisualMapOpts(max_=3700),  #最大数据范围
    toolbox_opts=opts.ToolboxOpts()                                                     # 工具箱
    )
map.render_notebook()

请添加图片描述

#河南

Login_henan1 = Login_he[Login_he['shengfen'].isin(["河南"])]
Login_henan2 =  Login_henan1.groupby(by='chengshi',as_index=False).count()
Login_henan = Login_henan2.iloc[1:,]

Login_henan["new_chengshi"] = Login_henan['chengshi']+'市'

x_data = list(Login_henan['user_id'])
y_data = list(Login_henan['new_chengshi'])

data = [[y_data[i],x_data[i]] for i in range(len(y_data))]

map = (
    Map()      
    .add("河南各城市平台登录次数热力地图",data,'河南')
      )
map.set_global_opts(
    visualmap_opts=opts.VisualMapOpts(max_=2550),  #最大数据范围
    toolbox_opts=opts.ToolboxOpts()                                                     # 工具箱
    )
map.render_notebook()

请添加图片描述

任务 2.2

分别绘制工作日与非工作日各时段的用户登录次数柱状图，并分析用户活跃的主要时间段。

#将日期与时间分割
Login1 = Login["login_time"].str.split(" ",expand=True).fillna("")
Login1['login_data'] = Login1[0]
Login1['login_hour'] = Login1[1]
Login1['user_id'] = Login['user_id']
Login2 = Login1[['user_id','login_data','login_hour']]
Login2.head()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
user_idlogin_datalogin_hour
0用户32018-09-0609:32:47
1用户32018-09-0709:28:28
2用户32018-09-0709:57:44
3用户32018-09-0710:55:07
4用户32018-09-0712:28:42

工作日分析

import datetime
import chinese_calendar

start_time = datetime.datetime(2018, 9, 6)
end_time = datetime.datetime(2020, 6, 18)

#获取工作日时期
a = chinese_calendar.get_workdays(start_time,end_time)
#chinese_calendar.get_holidays(start_time,end_time)

#转换为日期列表
date_string = [d.strftime('%Y-%m-%d') for d in a]

#筛选工作日所含数据
Login3 = Login2[Login2['login_data'].isin(date_string)]

#将小时取整
x = Login3['login_hour']
Login3['login_newhour'] = Login3['login_hour'].apply(lambda x: int(x[0:2]))
Login3.head()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
user_idlogin_datalogin_hourlogin_newhour
0用户32018-09-0609:32:479
1用户32018-09-0709:28:289
2用户32018-09-0709:57:449
3用户32018-09-0710:55:0710
4用户32018-09-0712:28:4212
gongzuori = Login3.groupby(by=Login3['login_newhour'],as_index=False)['user_id'].count()
gongzuori['gongzuori'] = gongzuori['user_id']
gongzuori = gongzuori[['login_newhour','gongzuori']]
gongzuori.head()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
login_newhourgongzuori
003520
111315
22612
33350
44215

非工作日分析

import datetime
import chinese_calendar

start_time = datetime.datetime(2018, 9, 6)
end_time = datetime.datetime(2020, 6, 18)

#获取工作日时期
a = chinese_calendar.get_holidays(start_time,end_time)
#chinese_calendar.get_holidays(start_time,end_time)

#转换为日期列表
date_string = [d.strftime('%Y-%m-%d') for d in a]

#筛选工作日所含数据
Login4 = Login2[Login2['login_data'].isin(date_string)]

#将小时取整
x = Login4['login_hour']
Login4['login_newhour'] = Login4['login_hour'].apply(lambda x: int(x[0:2]))
Login4.head()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
user_idlogin_datalogin_hourlogin_newhour
38用户32018-09-2300:56:320
88用户32018-10-1309:19:459
89用户32018-10-1316:02:5916
104用户32018-10-2017:10:3317
135用户32018-11-0418:02:0618
holidays = Login4.groupby(by=Login4['login_newhour'],as_index=False)['user_id'].count()
holidays['holidays'] = holidays['user_id']
holidays = holidays[['login_newhour','holidays']]
holidays.head()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
login_newhourholidays
001538
11628
22323
33148
4496
from pyecharts.charts import Line
attr = list(gongzuori['login_newhour'])
v1 = list(gongzuori['gongzuori'])
v2 = list(holidays['holidays'])

line = (Line()
       .add_xaxis(attr)
       .add_yaxis('工作日次数', v1)
       .add_yaxis('非工作日次数',v2)
       .set_global_opts(
            title_opts=opts.TitleOpts(title="用户活跃度整体情况分析"),       # 标题
            toolbox_opts=opts.ToolboxOpts(),                               # 工具箱
            datazoom_opts=opts.DataZoomOpts(range_start=0,range_end=100)    # 横轴缩放
        )
      )
line.render_notebook()

请添加图片描述

任务 2.3

记𝑇end为数据观察窗口截止时间（如：赛题数据的采集截止时间为2020 年 6 月 18 日），𝑇𝑖为用户 i 的最近访问时间，𝜎𝑖 = 𝑇end − 𝑇𝑖，若𝜎𝑖 > 90天，则称用户 i 为流失用户。根据该定义计算平台用户的流失率。

用户总体情况分析

Tend = pd.date_range('20200618235959',periods=1)
new_users.drop_duplicates(inplace=True)
new_users['Tend'] = list(Tend)*43909 
new_users['longtime'] = (pd.to_datetime(new_users['Tend']) - pd.to_datetime(new_users['recently_logged'])).map(lambda x:x.days)
#new_users['longtime'] = new_users['longtime'].astype(str)
new_users3 = new_users.dropna()
#new_users['longtime'].str.split("",expand=True).fillna("")
new_users3.head()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
user_idregister_timerecently_loggednumber_of_classes_joinnumber_of_classes_outlearn_timeTendlongtime
0用户442512020/6/18 9:492020/6/18 9:490041.252020-06-18 23:59:590.0
1用户442502020/6/18 9:472020/6/18 9:480002020-06-18 23:59:590.0
2用户442492020/6/18 9:432020/6/18 9:430016.222020-06-18 23:59:590.0
3用户442482020/6/18 9:092020/6/18 9:090002020-06-18 23:59:590.0
4用户442472020/6/18 7:412020/6/18 8:15001.82020-06-18 23:59:590.0
new_users3['longtime'].describe()

count    43717.000000
mean       190.146259
std        170.868948
min          0.000000
25%         49.000000
50%        115.000000
75%        343.000000
max        646.000000
Name: longtime, dtype: float64

new_users4 =  new_users3.groupby(by='longtime',as_index=False).count()

x_data = list(new_users4['longtime'])
y_data = list(new_users4['user_id'])

bar = (Bar()
       .add_xaxis(x_data)
       .add_yaxis('人数', y_data)
       .set_series_opts(
        # 为了不影响标记点，这里把标签关掉
        label_opts=opts.LabelOpts(is_show=False))
       .set_global_opts(
            title_opts=opts.TitleOpts(title="各类时间差值人数分析"),      # 标题
            toolbox_opts=opts.ToolboxOpts(),                             # 工具箱
            datazoom_opts=opts.DataZoomOpts(range_start=0,range_end=100) # 横轴缩放
        )
      )
bar.render_notebook()

请添加图片描述

流失天数及流失率分析

new_users5  = new_users3[new_users3['longtime'] >90]

new_users6 =  new_users5.groupby(by='longtime',as_index=False).count()

x_data = list(new_users6['longtime'])
y_data = list(new_users6['user_id'])

bar = (Bar()
       .add_xaxis(x_data)
       .add_yaxis('天数', y_data)
       .set_series_opts(
        # 为了不影响标记点，这里把标签关掉
        label_opts=opts.LabelOpts(is_show=False))
       .set_global_opts(
            title_opts=opts.TitleOpts(title="流失用户的流失天数分析"),                         # 标题
            toolbox_opts=opts.ToolboxOpts(),                                                     # 工具箱
            datazoom_opts=opts.DataZoomOpts(range_start=0,range_end=100)                         # 横轴缩放
        )
      )
bar.render_notebook()

请添加图片描述

print('流失率：',new_users5['longtime'].count()/43717)
print('流失人数：',new_users5['longtime'].count())

流失率： 0.5796143376718439
流失人数： 25339

未流失客户流失风险等级分类分析

潜水用户：小于 90 天且大于 60 天

活跃用户：小于 60 天

高活跃用户：小于 30 天

低活跃用户：小于 60 天且大于 30 天

qianshui = new_users3[(new_users3.longtime > 60) & (new_users3.longtime < 90)]['longtime'].count()
print('潜水用户：',qianshui)
print('潜水用户占比：',qianshui/(43717-25339))

潜水用户： 4796
潜水用户占比： 0.260964196321689

gao_huoyue = new_users3[new_users3.longtime < 30]['longtime'].count()
print('高活跃用户：',gao_huoyue)
print('高活跃用户占比：',gao_huoyue/(43717-25339))

高活跃用户： 7516
高活跃用户占比： 0.40896724344324736

di_huoyue = new_users3[(new_users3.longtime > 30) & (new_users3.longtime < 60)]['longtime'].count()
print('低活跃用户：',di_huoyue)
print('低活跃用户占比：',di_huoyue/(43717-25339))

低活跃用户： 5647
低活跃用户占比： 0.3072695614321471

任务 2.4

根据任务 2.1 至任务 2.3，分析平台用户的活跃度，为该教育平台
的线上管理决策提供建议。

任务 3 线上课程推荐

任务 3.1

根据用户参与学习的记录，统计每门课程的参与人数，计算每门课程的受欢迎程度，列出最受欢迎的前 10 门课程，并绘制相应的柱图。

study_information1= study_information.groupby(by='course_id',as_index=False)['user_id'].count()
study_information1['num'] = study_information1['user_id']
study_information2 = study_information1[['course_id','num']]
study_information2.head()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
course_idnum
0课程02
1课程14
2课程1035
3课程1005
4课程101482

选课人数分析

study_information2['num'].sum()

190736

num1 = study_information2[(study_information2.num > 10000)]['num'].sum()
print('选课人数10000以上：',num1)
print('选课人数占比：',num1/190736)

选课人数10000以上： 13265
选课人数占比： 0.06954638872577804

num2 = study_information2[(study_information2.num > 5000) & (study_information2.num < 10000)]['num'].sum()
print('选课人数5000-10000：',num2)
print('选课人数占比：',num2/190736)

选课人数5000-10000： 53968
选课人数占比： 0.2829460615720158

num3 = study_information2[(study_information2.num > 1000) & (study_information2.num < 5000)]['num'].sum()
print('选课人数1000-5000：',num3)
print('选课人数占比：',num3/190736)

选课人数1000-5000： 89075
选课人数占比： 0.4670067527891955

num4 = study_information2[(study_information2.num > 500) & (study_information2.num < 1000)]['num'].sum()
print('选课人数500-1000：',num4)
print('选课人数占比：',num4/190736)

选课人数500-1000： 13057
选课人数占比： 0.06845587618488382

num5 = study_information2[(study_information2.num > 100) & (study_information2.num < 500)]['num'].sum()
print('选课人数100-500：',num5)
print('选课人数占比：',num5/190736)

选课人数100-500： 18819
选课人数占比： 0.09866517070715544

num6 = study_information2[(study_information2.num < 100)]['num'].sum()
print('选课人数100以下：',num6)
print('选课人数占比：',num6/190736)

选课人数100以下： 2552
选课人数占比： 0.013379750020971396

from pyecharts.charts import Pie
x_data = ["选课人数10000以上", "选课人数5000-10000", "选课人数1000-5000", "选课人数500-1000", "选课人数100-500","选课人数100以下"]
y_data = [13265, 53968, 89075, 13057, 18819,2552]

c = (
    Pie()
    .add("", [list(z) for z in zip(x_data, y_data)],radius=["30%", "70%"])   # zip函数两个部分组合在一起list(zip(x,y))-----> [(x,y)]
    .set_global_opts(
        title_opts=opts.TitleOpts(title="课程参与人数分析"), # 标题
        toolbox_opts=opts.ToolboxOpts(),                                                     # 工具箱
        legend_opts=opts.LegendOpts(orient="vertical", pos_top="10%", pos_left="80%")) #图例设置
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))  # 数据标签设置
    )
c.render_notebook()

请添加图片描述

课程受欢迎程度分析

study_information2.describe()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
num
count239.000000
mean798.058577
std1746.098741
min1.000000
25%18.500000
50%138.000000
75%458.500000
max13265.000000
study_information2['y'] = (study_information2['num']-1)/13624
study_information2 = study_information2.sort_values(by='y',ascending=False)
study_information3 = study_information2.iloc[0:10,:]
study_information3 

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
course_idnumy
214课程76132650.973576
166课程3195210.698767
79课程1785050.624193
103课程19171260.522974
91课程18062230.456694
188课程5261050.448033
169课程3457090.418967
81课程17154370.399002
187课程5053420.392029
24课程1248290.354375
x_data = list(study_information3['course_id'])
y_data_line = list(study_information3['y'])

line = (Line()
       .add_xaxis(x_data)
       .add_yaxis('课程参与百分比', y_data_line)
       .set_global_opts(
            title_opts=opts.TitleOpts(title="课程受欢迎程度分析"),                         # 标题
            toolbox_opts=opts.ToolboxOpts()                                                     # 工具箱
        )
       .set_series_opts(
        # 为了不影响标记点，这里把标签关掉
        label_opts=opts.LabelOpts(is_show=False))
      )
line.render_notebook()

请添加图片描述

x_data = list(study_information3['course_id'])
y_data_line = list(round(study_information3['y'],2))


c = (
    Pie()
    .add("", [list(z) for z in zip(x_data, y_data_line)],
         center=['45%', '55%'],radius=["25%", "70%"],rosetype="area")   # zip函数两个部分组合在一起list(zip(x,y))-----> [(x,y)]
    .set_global_opts(
        title_opts=opts.TitleOpts(title="课程受欢迎程度分析"), # 标题
        toolbox_opts=opts.ToolboxOpts(),                                                     # 工具箱
        legend_opts=opts.LegendOpts(orient="vertical", pos_top="10%", pos_left="80%")) #图例设置
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{c}"))  # 数据标签设置
    )
c.render_notebook()

任务 3.2

根据用户选择课程情况，构建用户和课程的关系表（二元矩阵），使用基于物品的协同过滤算法计算课程之间的相似度，并结合用户已选课程的记录，为总学习进度最高的 5 名用户推荐 3 门课程。

构建用户和课程的关系表（二元矩阵）

study_information['num'] =1

study_information4 = study_information[['user_id','course_id','num']]
study_information5 = study_information4.pivot(index='user_id',columns='course_id',values='num').fillna(0)
study_information5

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
course_id课程0课程1课程10课程100课程101课程102课程103课程104课程105课程106...课程9课程90课程91课程92课程93课程94课程95课程97课程98课程99
user_id
用户100.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
用户1000.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
用户100000.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
用户100010.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
用户100020.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
..................................................................
用户99930.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
用户99940.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
用户99950.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
用户99960.00.00.00.01.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
用户99990.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0

40373 rows × 239 columns

物品的协同过滤算法

from sklearn.metrics import jaccard_score

items = study_information5.columns
from sklearn.metrics.pairwise import pairwise_distances
# 计算课程间相似度
course_similar = 1 - pairwise_distances(study_information5.T.values,metric="jaccard")
course_similar = pd.DataFrame(course_similar, columns=items, index=items)

course_similar

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
course_id课程0课程1课程10课程100课程101课程102课程103课程104课程105课程106...课程9课程90课程91课程92课程93课程94课程95课程97课程98课程99
course_id
课程01.0000000.5000000.0277780.4000000.0000000.6666671.0000001.0000000.2500000.000000...1.0000000.0000000.0000000.0000000.0000000.0019340.0086210.0055560.0034840.005291
课程10.5000001.0000000.0263160.2857140.0020620.4000000.5000000.5000000.1666670.000000...0.5000000.0000000.0000000.0000000.0000000.0019310.0084750.0110500.0052170.010526
课程100.0277780.0263161.0000000.0526320.0019380.0270270.0277780.0277780.0270270.002475...0.0277780.0000000.0000000.0285710.0000000.0318530.1718750.0862940.0322030.087805
课程1000.4000000.2857140.0526321.0000000.0020580.6000000.4000000.4000000.1428570.000000...0.4000000.0000000.0000000.0000000.0000000.0038650.0169490.0109890.0069570.015789
课程1010.0000000.0020620.0019380.0020581.0000000.0000000.0000000.0000000.0000000.000000...0.0000000.0000000.0000000.0020750.0000000.0140470.0033610.0216380.0677450.021341
..................................................................
课程940.0019340.0019310.0318530.0038650.0140470.0019320.0019340.0019340.0009650.120511...0.0019340.0009670.0000000.0009670.0009671.0000000.0922050.0349830.1452990.037351
课程950.0086210.0084750.1718750.0169490.0033610.0085470.0086210.0086210.0085470.000000...0.0086210.0086960.0000000.0000000.0000000.0922051.0000000.0769230.0632720.082143
课程970.0055560.0110500.0862940.0109890.0216380.0055250.0055560.0055560.0055250.001825...0.0055560.0055870.0000000.0055870.0000000.0349830.0769231.0000000.2613070.882051
课程980.0034840.0052170.0322030.0069570.0677450.0034780.0034840.0034840.0017360.040794...0.0034840.0017420.0017420.0000000.0017420.1452990.0632720.2613071.0000000.261589
课程990.0052910.0105260.0878050.0157890.0213410.0105820.0052910.0052910.0052630.001795...0.0052910.0053190.0000000.0053190.0000000.0373510.0821430.8820510.2615891.000000

239 rows × 239 columns

topN_items = {}
# 遍历每一行数据
for i in course_similar.index:
    # 取出每一列数据，并删除自身，然后排序数据
    _df = course_similar.loc[i].drop([i])
    _df_sorted = _df.sort_values(ascending=False)

    top2 = list(_df_sorted.index[:3])
    topN_items[i] = top2

topN_items = pd.DataFrame(topN_items,columns=items)
topN_items

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
course_id课程0课程1课程10课程100课程101课程102课程103课程104课程105课程106...课程9课程90课程91课程92课程93课程94课程95课程97课程98课程99
0课程41课程142课程140课程102课程71课程84课程0课程0课程0课程109...课程0课程205课程45课程30课程234课程117课程38课程99课程7课程97
1课程103课程0课程3课程208课程216课程0课程104课程103课程103课程124...课程103课程228课程44课程28课程233课程118课程161课程87课程6课程87
2课程104课程104课程2课程84课程236课程81课程81课程81课程104课程113...课程81课程230课程7课程88课程232课程167课程42课程85课程85课程85

3 rows × 239 columns

rs_results = {}
# 构建推荐结果
for user in study_information5.index:    # 遍历所有用户
    rs_result = set()
    for item in study_information5.loc[user].replace(0,np.nan).dropna().index:   # 取出每个用户当前已购物品列表
        # 根据每个物品找出最相似的TOP-N物品，构建初始推荐结果
        rs_result = rs_result.union(topN_items[item])
    # 过滤掉用户已购的物品
    rs_result = list(study_information5.loc[user].replace(0,np.nan).dropna().index)
    # 添加到结果中
    rs_results[user] = rs_result
    
rs_results1 = pd.DataFrame.from_dict([rs_results]) 
rs_results1

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
用户10用户100用户10000用户10001用户10002用户10003用户10004用户10005用户10006用户10007...用户9989用户999用户9990用户9991用户9992用户9993用户9994用户9995用户9996用户9999
0[课程143, 课程76][课程12][课程76][课程76][课程76][课程50, 课程52][课程76][课程76][课程76][课程188]...[课程76][课程174, 课程210][课程76][课程76][课程193][课程76][课程76][课程76][课程101, 课程12, 课程16, 课程216, 课程71][课程76]

1 rows × 40373 columns

为总学习进度最高的 5 名用户推荐 3 门课程

study_information['shichang'] = study_information['learn_process'].str.replace(r'[^0-9]', '')
study_information['shichang'] = pd.to_numeric(study_information['shichang'],errors='coerce')
study_information.head()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
user_idcourse_idcourse_join_timelearn_processpricenumshichang
0用户3课程1062020-04-21 10:11:50width: 0%;0.010
1用户3课程1362020-03-05 11:44:36width: 1%;0.011
2用户3课程2052018-09-10 18:17:01width: 63%;0.0163
3用户4课程262020-03-31 10:52:51width: 0%;319.010
4用户4课程342020-03-31 10:52:49width: 0%;299.010
#study_information1 = study_information.groupby(by='user_id',as_index=False)['shichang'].mean()
study_information6 = study_information.groupby(by='user_id',as_index=False)['shichang'].sum()
study_information7 = study_information6.sort_values(by='shichang',ascending=False)

study_information7.head(5)

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
user_idshichang
1951用户11935238
3880用户138413942
23191用户326843291
27568用户369892960
15284用户249852951
user_tuijian = rs_results1[['用户1193','用户13841','用户32684','用户36989','用户24985']]
user_tuijian

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
用户1193用户13841用户32684用户36989用户24985
0[课程12, 课程130, 课程132, 课程133, 课程135, 课程141, 课程14...[课程12, 课程130, 课程132, 课程133, 课程135, 课程143, 课程14...[课程130, 课程132, 课程133, 课程134, 课程135, 课程141, 课程1...[课程130, 课程132, 课程133, 课程134, 课程135, 课程141, 课程1...[课程10, 课程130, 课程132, 课程133, 课程134, 课程135, 课程14...

任务 3.3

在任务 3.1 和任务 3.2 的基础上，结合用户学习进度数据，分析付费课程和免费课程的差异，给出线上课程的综合推荐策略。

study_information_shichang = study_information.groupby(by='course_id',as_index=False)['shichang'].mean()
study_information_shichang['shichang'] = study_information_shichang['shichang']/100
study_information_price = study_information.groupby(by='course_id',as_index=False)['price'].mean()
study_information_price2 = study_information_price.sort_values(by='price',ascending=True)
study_information_price2 = study_information_price2[study_information_price2['price']>0]
result = pd.merge(study_information_price2, study_information_shichang,on='course_id')
result = result.groupby(by='price',as_index=False)['shichang'].mean()
result.head()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}
priceshichang
029.00.081564
149.00.397283
259.00.053457
379.00.147661
499.00.111417
from pyecharts.globals import ThemeType
x_data = list(result['price'])
y_data = list(result['shichang'])

bar = (Bar()
    #init_opts=opts.InitOpts(theme=ThemeType.VINTAGE))  # 设置主题
       .add_xaxis(x_data)
       .add_yaxis('学习进度', y_data)
        .set_colors(["#6C7C98"])  # 柱子的颜色
          #.reversal_axis()   # xy轴交换
       .set_global_opts(
            title_opts=opts.TitleOpts(title="课程价格与学习进度关系"),                         # 标题
            toolbox_opts=opts.ToolboxOpts(),                                                     # 工具箱
            datazoom_opts=opts.DataZoomOpts(range_start=0,range_end=100)                         # 横轴缩放
        )
        .set_series_opts(
        # 为了不影响标记点，这里把标签关掉
        label_opts=opts.LabelOpts(is_show=False))
      )

bar.render_notebook()

请添加图片描述

数据分享链接：https://pan.baidu.com/s/1pKTbt24egIHO04rUFnNQ_w?pwd=djqi
提取码：djqi

小平凡的记录
关注
  • 2
    点赞
  • 踩
  • 37
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
2020年“泰迪杯”数据分析职业技能大赛A 题优秀报告：教育平台的线上课程智能推荐策略
weixin_47922824的博客
12-29 1万+
摘要 近年来，随着互联网与通信技术的高速发展，学习资源共享与建设呈现出新的发展趋势，多样化的线上教育平台如雨后春笋般争相涌入大众视野。尤其是在今年年初，受新冠肺炎疫情的冲击下，学生返校进行线下授课收到严重阻碍，由此，网络线上平台由此成为“互联网+教育”成果的重要发展领地，如何根据教育平台把握用户信息，掌握用户课程偏好并提供精准的远程课程推荐服务成为了线上教育的热点话题。因此，利用数据分析技术对教育平台的线上信息和用户学习信息进行研究具有重大意义。 针对任务一，对所给数据集进行缺失值、异常值、重复值等 方面的
教育平台的线上课程智能推荐策略-Python
qq_46024388的博客
10-17 5146
1 背景 近年来，随着互联网与通信技术的高速发展，学习资源共享与建设呈现出新的发展趋势，多样化的线上教育平台如雨后春笋般争相涌入大众视野。尤其是自2020年初，受新冠肺炎疫情的冲击，学生返校进行线下 授课受到严重阻碍，由此，网络线上平台由此成为“互联网+教育”成果的重要发展领地，如何根据教育 平台把握用户信息，掌握用户课程偏好并提供精准的远程课程推荐服务成为了线上教育的热点话题。因此， 利用数据分析技术对教育平台的线上信息和用户学习信息进行研究具有重大意义。 2 挖掘目标 1. 分析平台用户的活跃情况
Python数据分析实践项目 教育平台的线上课程智能推荐
热门推荐
微信公众号（年更选手）：数据闲逛人 | Github开源项目：数分/数挖study路线 https://github.com/jc-dian/python_data_analysis
01-14 2万+
文章目录摘要关键词：数据分析；数据可视化；数据预处理；协调过滤1.问题描述1.1问题背景1.2所需关键技术2.数据分析任务 1 数据预处理任务1.1对照附录1，理解各字段的含义，进行缺失值、重复值等方面的必要处理。任务1.2对用户信息表中 recently_logged 字段的“--”值进行必要的处理，并在报告中描述处理过程。任务 2 平台用户活跃度分析任务2.1分别绘制各省份与各城市平台登录次数热力地图，并分析用户分布情况。任务2.2分别绘制工作日与非工作日各时段的用户登录次数柱状图，并分析用户活跃的主要
2020 年“泰迪杯”数据分析职业技能大赛 B 题 新冠疫情数据分析
06-15
2020 年“泰迪杯”数据分析职业技能大赛 B 题 新冠疫情数据分析（赛题和数据集）
教育平台的线上课程智能推荐策略
Liuyan_analysis的博客
11-08 4558
题目来自:http://www.tipdm.org 一、 背景 近年来，随着互联网与通信技术的高速发展，学习资源的建设与共享呈现出 新的发展趋势，各种网课、慕课、直播课等层出不穷，各种在线教育平台和学习 应用纷纷涌现。尤其是 2020 年春季学期，受新冠疫情影响，在教育部“停课不 停学”的要求下，网络平台成为“互联网+教育”成果的重要展示阵地。因此， 如何根据教育平台的线上用户信息和学习信息，通过数据分析为教育平台和用户 提供精准的课程推荐服务就成为线上教育的热点问题。 本赛题提供了某教育平台近两年的运.
在线教育数据分析实战项目案例
D_Ddd0701的博客
05-10 3090
一份真实数据的数据分析手册
堪称经典，一个非常适合初学者的机器学习实战案例
Python学习与数据挖掘
02-17 1万+
哈喽，大家好。今天给大家介绍一个非常适合新手入门的机器学习实战案例。这是一个房价预测的案例，来源于 Kaggle 网站，是很多算法初学者的第一道竞赛题目。该案例有着解机器学习问题的完整流程，包含EDA、特征工程、模型训练、模型融合等。房价预测流程下面跟着我，来学习一下该案例。没有啰嗦的文字，没有多余的代码，只有通俗的讲解。1. EDA探索性数据分析(Exploratory Data Analysis，简称EDA) 的目的是让我们对数据集有充分的了解。在这一步，我们探索的内容如下：EDA内容1.1 输入数据集
基于Python+大数据的线上教育平台数据分析系统设计与实现
qq_15801219的博客
01-28 1157
今天带来的是基于Python+大数据的线上教育平台数据分析系统设计与实现，随着互联网技术的不断和快速发展，网络与大数据很早就成为了人们生活中的一部分，线上教育平台大数据分析由于其特有的便捷性，用户能够更加容易地接受。互联网有了这种便捷调剂信息(阅读量TOP10)、访问信息等分析形式，也是一种新型的全新应用形式[3]。从侧面来看，线上教育平台大数据分析还能够推进网上用户查看爬取下的大数据调剂信息的普及。同传统的人工统计数据模式相比，线上教育平台大数据分析具有较多的优势。
2022泰迪杯数据分析技能赛B题代码 Jupyter Notebook
12-14
2022泰迪杯数据分析技能赛B题一等奖 方案及赛后总结：https://blog.csdn.net/u014111377/article/details/127905972 欢迎学习交流 任务1：数据探索与清洗 任务2：产品营销数据可视化分析 任务3：客户流失因素可视化...
赛题A：教育平台的线上课程智能推荐策略.rar
09-23
赛题A：教育平台的线上课程智能推荐策略.rar
2021 年“泰迪杯”数据分析技能赛B 题+肥料登记数据分析数据集
04-26
2021 年“泰迪杯”数据分析技能赛B 题+肥料登记数据分析数据集 附件 1 的产品通用名称存在不规范的情况。附件 2 中筛选出复混肥料的产品，将所有复混肥料按照总无机养分百分比的取值等距分为 10 组。 附件 3 中提取...
A题：教育平台的线上课程智能推荐策略1
08-04
一、背景近年来，随着互联网与通信技术的高速发展，学习资源的建设与共享呈现出新的发展趋势，各种网课、慕课、直播课等层出不穷，各种在线教育平台和学习应用纷纷涌现。尤
第十届“泰迪杯”数据挖掘挑战赛-电力系统负荷预测分析.zip
11-12
泰迪杯数据分析技能赛
杨辉三角python金字塔_经典问题（c++/python）素数、杨辉三角（金字塔型）、统计单词数、简单计算器、密码安全程度、凯撒密码加密、汉诺塔 （python课设实验实例）-- biaobiao8...
weixin_42502016的博客
01-14 788
【编写程序，输人一个大于2的自然数，然后输出小于该数字的所有素数组成的列表。】所谓素数，是指除了1和自身之外没有其他因数的自然数，最小的素数是2，后面依次是3、5、7、11、13...c++代码：#include#include#define int long longusing namespacestd;signed main(){intx;cin>>x;for(int i = 2;...
3.5.1 pandas基础
小石小石摩西摩西
09-20 3214
1.导入三方库 import numpy as npimport pandas as pd 查看库的版本 pd.__version__ '1.0.5' 2.数据文件的导入和导出 1)xlsx文件 shuju_xlsx = pd.read_excel('table.xlsx') shuju_xlsx2 = pd.read_excel('可视化图表案例数据.xlsx') shuju_xlsx4 = ...
21.Python数据分析基础-Pandas
大勇若怯任卷舒
01-29 372
21.1 Pandas数据分析介绍 Python在科学计算方面有很多不断改良的库，结合其在通用编程方面的强大实力，使其在数据处理、交互探索性计算以及数据可视化方面深受广大编程者的喜爱 Python有着一个强大的科学计算生态圈，已经完全可以媲美MATLAB、 R等特定编程语言/工具 NumPy是Python科学计算基础包，提供了以下功能（仅列举了几条） 快速高效的多维数组对象ndarray 用于对数组执行元素级计算以及直接对数组执行数学运算的函数 用于读写硬盘上基于数组的数据集的工具 线性代数运算、傅里
python基础复习四
weixin_46374341的博客
08-24 316
文章目录Python基础复习四input()函数总结 Python基础复习四 input()函数 1.input()函数是输入函数，当你在函数的括号内写出问题时，input()函数会将此问题原样显示在屏幕上，并在终端区域等待你针对此问题的回答。 ps： 在我们理解代码时，脑中的思维顺序是先搜集信息，再把input()函数的结果赋给变量。但是为了书写规范及防止漏掉信息，我们需要按照代码书写格式，优先对input()函数的结果进行赋值。 函数好用，赋值第一 。input()函数的结果必须赋值！ 2.对于inp
Python参考题库1234
qq_53934753的博客
10-26 6325
1.猜年龄 for i in list(range(10,30)): i3 = i*i*i i4 = i3*i result = 0 if (i3 >= 1000 and i3 <=10000)and(i4 >= 100000 and i4 < 1000000): sum34 = str(i3)+str(i4) for j in list(range(0, 10)): if sum34.count
llama.cpp
最新发布
qq_38148600的博客
06-29 206
https://github.com/echonoshy/cgft-llm【大模型量化】- Llama.cpp轻量化模型部署及量化_哔哩哔哩_bilibiligithub.com/ggerganov/llama.cppcd ~/code/llama.cpp/build_cuda/bin ./quantize --allow-requantize /root/autodl-tmp/models/Llama3-8B-Chinese-Chat-GGUF/Llama3-8B-Chinese-Chat-q8_0-v2
教育平台的线上课程 智能推荐策略 python实现
05-05
智能推荐策略的实现需要考虑多种因素，如用户的历史行为、课程的属性、用户的个人信息等等。下面是一些可以考虑的策略： 1. 基于用户历史行为的推荐：根据用户过去的学习行为，推荐与用户兴趣相关的课程。可以使用协同过滤算法，在用户行为数据中寻找相似的用户，然后向这些相似用户喜欢的课程推荐给当前用户。 2. 基于内容的推荐：根据课程的属性，如标签、类别、难度等等，推荐与用户喜欢的课程相似的课程。可以使用基于内容的推荐算法，比如 TF-IDF 算法，计算课程之间的相似度，然后向用户推荐相似度高的课程。 3. 基于个人信息的推荐：根据用户的个人信息，比如性别、年龄、职业等等，推荐与用户个人信息相关的课程。可以使用基于内容的推荐算法，根据用户的个人信息匹配相应的课程属性，然后向用户推荐。 这些策略可以组合使用，来提高推荐的准确性。下面是一个基于用户历史行为的推荐算法的 Python 实现示例： ```python # 导入所需的库 import pandas as pd from sklearn.model_selection import train_test_split from sklearn.metrics.pairwise import cosine_similarity # 读取数据集 df = pd.read_csv('data.csv') # 划分训练集和测试集 train_data, test_data = train_test_split(df, test_size=0.2) # 构建用户-课程评分矩阵 train_matrix = train_data.pivot_table(index='user_id', columns='course_id', values='rating') # 计算用户相似度矩阵 user_similarity = cosine_similarity(train_matrix.fillna(0)) # 预测测试集中用户对课程的评分 test_matrix = test_data.pivot_table(index='user_id', columns='course_id', values='rating') test_user_ids = test_matrix.index test_course_ids = test_matrix.columns test_predictions = pd.DataFrame(index=test_user_ids, columns=test_course_ids) for user_id in test_user_ids: user_ratings = train_matrix.loc[user_id].dropna() for course_id in test_course_ids: if course_id not in user_ratings.index: similarity = user_similarity[user_similarity.index == user_id].iloc[:, train_matrix.columns == course_id].values[0][0] if similarity > 0: rating = (user_ratings * similarity).sum() / similarity test_predictions.loc[user_id, course_id] = rating # 计算评估指标 test_true_ratings = test_matrix.stack().reset_index(name='rating') test_predicted_ratings = test_predictions.stack().reset_index(name='rating') test_rmse = ((test_true_ratings['rating'] - test_predicted_ratings['rating']) ** 2).mean() ** 0.5 print('RMSE:', test_rmse) ``` 这个示例使用了协同过滤算法，计算用户相似度矩阵，然后在测试集上预测用户对课程的评分。最后计算测试集上的 RMSE 评估指标。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值