foxirensheng的博客

python元组运用

jieba

爬虫框架feapder细要

AB test

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、COM是什么？二、使用步骤1.打开EXCEL2.在Excel中打开文件总结前言Python有许多本地创建通用Microsoft Office文件类型的选项，包括Excel、Word和PowerPoint。然而，在某些情况下，使用纯python方法解决问题可能太困难了。幸运的是，python有一个名为pywin32的“python for Windows Extensions”包，它允许我们轻松地访问Windows的组.

主要涉及从硬件购买到系统搭建以及深度学习环境配置，以及调试rembg库出现的一些问题的总结。

首先我们可以看看数据集的数据形态：导入rfm数据，查看数据的统计学参数df =pd.read_csv('rfm.csv')df.describe()在实施Kmeans聚类之前，我们必须检查这些关键k-means假设-变量对称分布(不倾斜)-具有相同平均值的变量-方差相同的变量从这个表中，我们发现了这个问题:均值和方差不相等解决:使用scikit-learn库中的标量来缩放变量#绘制RFM值的分布f,ax = plt.subplots(figsize=(10, 12))plt.s

系列文章目录基于python的RFM模型分析提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一、RFM是什么？二、分析步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：RFM模型是评价用户分层的一个非常有价值的模型，主要是通过评分的方式量化用户R/F/M三个行为层面上的数据，在日常工作中，RFM模型还经常与AARRR模型一起使用以对用户进行分类，以寻找我们运营中核心关注的用户，以花更多的精力去维护这些核心用户群体。提示：以

在产品正式上线后，我们需要对产品的客群对象进行分析，此时产品的群组分析会给予我们找到一定的方向。核心的维度：产品 ->客群,时间->聚类周期现象首先读取数据集：import numpy as npimport pandas as pd df = pd.read_excel('./Online Retail.xlsx')查看数据前五列/info#%%df.head()#%%df.info()通过结果，我们可以看到数据有8个字段，其中，Description列和C

数据字段阐述：* *数据:* *这个项目中使用的数据来自一个匿名组织的社交媒体广告活动。1) ad_id:每个ad的唯一ID。2) XYZ campaign ID: XYZ公司每一个广告活动的ID。3) fbcampaigns:一个与Facebook如何追踪每个活动相关的ID。4) age:显示AD的对象的年龄。5) gender:性别的人心血来潮添加显示6) interest:指定个人兴趣所属类别的代码(个人的Facebook公开资料中提到的兴趣)。7) Impressions:广告被播

#%%import pandas as pdimport numpy as np#%% mdcar price prediction#%%# create a dataframe abut the car pricedf = pd.DataFrame({'mileage':['23.4 kmpl','21.4 kmpl','20.4 kmpl'], 'engine':['1.4 liter','1.2 liter','1.5 liter'],

import pandas as pdfrom datetime import datetime# calculate the year and month from '2021-01-01' to nowdf = pd.DataFrame(pd.date_range('2021-01-01', datetime.now(), freq='M'), columns=['begin_month'])# offset the month by 1df['end_month'] = df['begi