完整的 Python 数据分析案例：在线教育课程销售分析

1.

案例背景

某在线教育平台希望通过分析课程销售数据，了解不同课程的销售情况、用户购买行为以及影响销售的因素，从而优化课程推广策略、调整课程定价等，以提高平台的销售业绩和用户满意度。

代码实现

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 数据读取
data = pd.read_csv('online_education_sales.csv')

# 数据探索性分析
print('数据基本信息：')
data.info()

# 查看数据集行数和列数
rows, columns = data.shape

if rows < 1000:
    # 小数据集（行数少于 1000）查看全量数据信息
    print('数据全部内容信息：')
    print(data.to_csv(sep='\t', na_rep='nan'))
else:
    # 大数据集查看数据前几行信息
    print('数据前几行内容信息：')
    print(data.head().to_csv(sep='\t', na_rep='nan'))

# 数据清洗
# 处理缺失值
data['Age'] = data['Age'].fillna(data['Age'].median())
data = data.dropna(subset=['Course_Type'])

# 处理分类变量
data['Gender'] = data['Gender'].map({'Male': 0, 'Female': 1})
course_type_dummies = pd.get_dummies(data['Course_Type'], prefix='Course')
data = pd.concat([data, course_type_dummies], axis=1)
data = data.drop('Course_Type', axis=1)

# 特征选择
features = ['Age', 'Gender', 'Course_Math', 'Course_Sc