大数据分析

重庆交通大学

信息学院

作业一

专业：计算机科学与技术

课程名称：大数据概论

班级：###########

学号：###########

姓名：###

​ 我根据老师给我们的Sakila数据集中的payment、customer、rental、inventory四个数据表单通过vscode软件中python中相关绘图，数据分析的库来进行操作，老师的要求是：根据数据集（sakila）,自行设计一种数据分析（或者数据挖掘的方法），发现：最具有购买潜力的顾客，并给他们发送感谢邮件。所以我运用了如下代码进行读取payment、customer、rental、inventory四张表来查看其特征信息。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl
from mpl_toolkits.mplot3d import Axes3D
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['font.family']='sans-serif'
plt.rcParams['axes.unicode_minus']=False
payment = pd.read_csv('D:\吴杭俊\大数据概论\sakila_csv_version_with_fields_added\payment.csv')
\# payment.head()
print(payment.describe())
print(" ")
rental = pd.read_csv('D:/吴杭俊/大数据概论/sakila_csv_version_with_fields_added/rental.csv')
print(rental.describe())
print(" ")
inventory = pd.read_csv('D:\吴杭俊\大数据概论\sakila_csv_version_with_fields_added\inventory.csv')
print(inventory.describe())
print(" ")
customer = pd.read_csv('D:\吴杭俊\大数据概论\sakila_csv_version_with_fields_added\customer.csv')
print(customer.describe())

得到如下特征信息截图：

然后在对sales_by_film_category.csv中的数据进行读取得到如下截图：

film = pd.read_csv('D:/吴杭俊/大数据概论/sakila_csv_version_with_fields_added/sales_by_film_category.csv')
print(film.describe())

然后再对sales_by_film_category.csv中的数据进行条形统计分析得如下图：

根据所得条形图可得到Travel中的total_sales销售总量最高，以此推断最具购买潜力的顾客大多分布在喜欢Travel类film中

对上述综合，合并payment、rental、customer三个表中的customer_id，然后在对其分析画出散点图如下：

然后在将三个表中的数据分别用黄色（payment）、紫色（customer）和深绿色（rental）来表示得如图：

推断出最具购买潜力的顾客大多分布在黄色（payment）区域中的customer_id，所以我们分析出来，在payment中去从读取得出的customer_id进行感谢邮件的发送，这些人应该是在75%到max之间选择（因为在其之间的payment_id、staff_id、rental_id和amount相对其他区间较高）

如图说明：