mysql分析 Kaggle黑色星期五购买行为

最新推荐文章于 2022-07-14 10:11:20 发布
最新推荐文章于 2022-07-14 10:11:20 发布
阅读量334 收藏 1
点赞数
分类专栏： sql数据分析
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/qq_39984050/article/details/105449322
版权

销售情况分析

  1. 客单价
    在这里插入图片描述
  2. 件单价
    在这里插入图片描述
  3. 购物篮系数
    在这里插入图片描述

客户分析

  1. 性别
    在这里插入图片描述
  2. 年龄
    在这里插入图片描述
  3. 职业
    在这里插入图片描述
  4. 城市
    在这里插入图片描述
  5. 居住时长
    在这里插入图片描述
  6. 婚姻状况
    在这里插入图片描述

产品分析

1、Top10畅销商品、数量及占比
在这里插入图片描述
2. 二八法则验证
在这里插入图片描述

结论

在这里插入图片描述

参考https://zhuanlan.zhihu.com/p/122300317?utm_source=wechat_session&utm_medium=social&utm_oi=822328259822899200

易心意
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
kaggle——BlackFriday销售数据
12-20
数据包括：用户编码、产品编码、性别、年龄、职业、城市类别、在当前城市停留的年份、婚姻情况、商品所属分类（3类）、消费金额
Kaggle基于黑色星期五交易数据的用户画像分析---PYTHON
付你妹的脑袋瓜子
06-10 5479
这里写自定义目录标题Kaggle基于黑色星期五交易数据的用户画像分析---PYTHON1 前言2 研究目的3 数据说明与处理3.1数据来源和说明3.2数据预处理3.2.1查看数据详情3.2.2修改列名3.2.3缺失值处理4 数据分析4.1 性别4.2 婚姻状况4.3 年龄4.4 城市4.5 居住城市年数4.6 职业5 结论 Kaggle基于黑色星期五交易数据的用户画像分析—PYTHON 1 前言 ...
【Python】Kaggle可视化：黑色星期五画像分析
fengdu78的博客
05-28 1244
公众号：尤而小屋作者：Peter编辑：Peter本文还是kaggle上一份黑色星期五消费数据的分析，主要是针对用户和商品信息的画像分析。建模的方案参考文章：kaggle实战：星期五黑了，随机森林输了！本文重点是可视化，使用的图形：柱状图、饼图、散点图、小提琴图、桑基图、树状图、漏斗图、多子图等，全部是Plotly库绘制。关键词：用户画像、可视化、plotly、Pandas...
mysql 同一个商品的销售量_商品零售购物篮分析与商品推荐系统
weixin_30511777的博客
01-05 955
未经本人允许，本文禁止转载。如果本文对你有帮助，请顺手点个赞。本文使用的软件及版本为MySQL 8.0.11、Navicat 15.0.7、R(64 bits) 3.5.1、RStudio 1.1.456、Excel Microsoft 365。本文使用的R语言包如下，若没有安装相应的包应用install.packages()安装，在使用包前应用library()加载包，下文代码中将不再涉及包的加...
Kaggle黑色星期五交易数据及客户分析--Mysql和Tableau
Violazou的博客
03-30 2124
Kaggle基于黑色星期五交易数据的分析–Mysql 1. 研究目的 黑色星期五可以简单理解为国外的双十一，是指十一月第四个星期五，各大商场都会推出大量的打折和优惠活动的日子。本次数据分析所用的数据集是零售商店中黑色星期五的55万条交易样本数据，商店希望更加了解用户购买行为。所以本文通过总结本次“黑五”销售状况，分析和研究不同用户对不同产品的购买行为来为下一次“黑五”提供相关情报和参考，给出有用的...
kaggle：黑色星期五
02-16
kaggle上关于零售商店中黑色星期五的55万条观察数据集，包含不同类型的数字或分类变量，包含缺失值。
Black-Friday-Sales:来自Kaggle的黑色星期五销售数据集的探索性数据分析
05-23
简介：该项目将分析黑色星期五的销售数据，并获得更多见解，以回答以下关键业务问题。 什么是最大售出产品 哪个产品类别的销售额最高 查找购买者的年龄段和他们的intreset乘积 寻找买家的婚姻状况 分析在销售中具有...
数据分析kaggle大赛泰坦尼克号数据
07-28
数据分析kaggle大赛泰坦尼克号生还概率数据
Python数据分析--Kaggle共享单车项目实战
02-24
岭回归(英文名：ridgeregression,Tikhonovregularization)是一种专用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归...
kaggle练习-共享单车数据分析
12-20
项目背景：提供两年的每...本次共享单车数据分析项目数据源于Kaggle [https://www.kaggle.com/c/bike-sharing-demand/data]。 1.2 载入数据 // 载入工具包 import numpy as np import pandas as pd import matplotlib.
黑色星期五数据集分析预测
02-09
黑色星期五数据集分析预测
Python-KaggleInstacart市场篮子分析
12-17
Python-KaggleInstacart市场篮子分析 orders (3.4m rows, 206k users): order_id: order identifier user_id: customer identifier eval_set: which evaluation set this order belongs in (see SET described below) order_number: the order sequence number for this user (1 = first, n = nth) order_dow: the day of the week the order was placed on order_hour_of_day: the hour of the day the order was placed on days_since_prior: days since the last order, capped at 30 (with NAs for order_number = 1) products (50k rows): product_id: product identifier product_name: name of the product aisle_id: foreign key department_id: foreign key aisles (134 rows): aisle_id: aisle identifier aisle: the name of the aisle deptartments (21 rows): department_id: department identifier department: the name of the department order_products__SET (30m+ rows): order_id: foreign key product_id: foreign key add_to_cart_order: order in which each product was added to cart reordered: 1 if this product has been ordered by this user in the past, 0 otherwise where SET is one of the four following evaluation sets (eval_set in orders): "prior": orders prior to that users most recent order (~3.2m orders) "train": training data supplied to participants (~131k orders) "test": test data reserved for machine learning competitions (~75k orders)
R语言数据挖掘实验报告——美国黑色星期五（BlackFriday）（附代码和实验数据csv文件）聚类 关联规则挖掘
03-31
R语言数据挖掘——美国黑色星期五（BlackFriday）实验报告（附代码） 使用R语言 实现基本数据统计 聚类 关联规则挖掘 注意：此为个人实验报告，仅作学习参考，勿照搬照抄，尤其ZS学校的同学。
Kaggle安装库的初学者问题
m0_52510196的博客
06-28 4205
这里针对初学者使用kaggle提供了一些帮助，主要帮助初学者规避了一些问题。 排错： 输入之后直接回车，如果报错 可检查kaggle的网络开关是否未打开？ 勾选按钮之后，再次运行pip命令即可成功安装。 其实也可以在code cell中直接使用 pip......
python黑色星期五_Python数据分析：亚马逊黑色星期五
weixin_33460449的博客
01-30 807
数据源：https://www.kaggle.com/mehdidag/black-friday​www.kaggle.comimport numpy as npimport pandas as pdimport seaborn as snsimport matplotlib as mlpimport matplotlib.pyplot as pltimport osprint(os.listdi...
R语言数据挖掘（关联规则、聚类算法等）——美国黑色星期五
weixin_43508670的博客
03-31 3225
R语言数据挖掘（关联规则、聚类算法等）实验内容和步骤：数据概览产品分析性别统计畅销品年龄统计城市居住时间分析查找顶级消费者关联规则分析聚类 实验内容和步骤： 一、 实验内容： 对原始数据进行清洗； 使用R语言对数据进行处理和分析； 将处理结果进行展示得出实验结论。 二、 实验步骤 项目背景及意义： 黑色星期五就像我国的双11一样，这是美国整个州的折扣季节。我认为有必要研究围绕商店和购物者数据的数据...
【数据分析】黑色星期五（一）
weixin_51502698的博客
07-14 775
黑色星期五需求分析
黑色星期五--销售数据可视化分析
Koyurion的博客
01-06 2939
数据分析项目--黑色星期五--Python分析
l654247808的博客
12-28 2801
分析说明 数据:Kaggle数据集黑色星期五，已经有很多人分析过了，还是借着别人的笔记以及自己的理解，自己做一遍最好，发现问题，及时复盘才是学习的良好方法。 数据字段说明: 职业代码是里面没有写出及具体的职业，只用数字代替的，总共20种 城市分类也是定义A,B,C三类 婚姻状况中0未婚，1已婚 分析思路 几乎与销售相关的都可以从产品、客户、销售情况三大维度着手分析 对于销售情况，可以做总体的一...
数据分析kaggle使用
最新发布
07-25
Kaggle是一个面向数据科学家和机器学习爱好者的在线平台，提供了各种数据集、竞赛和学习资源。使用Kaggle进行数据分析可以按照以下步骤进行： 1. 注册Kaggle账号：在Kaggle官网上注册一个账号，这样你就可以参与竞赛、下载数据集和提交结果。 2. 探索数据集：在Kaggle上浏览并搜索你感兴趣的数据集。你可以通过数据集页面上的描述、特征列和样本预览来了解数据集的基本信息。 3. 下载数据集：一旦你找到了感兴趣的数据集，你可以点击"Download"按钮来下载数据集。通常情况下，数据集会以CSV或者其他常见的数据格式进行存储。 4. 数据清洗和预处理：在开始分析之前，你可能需要对数据进行清洗和预处理。这包括处理缺失值、去除异常值、标准化数据等。 5. 数据可视化：使用数据可视化工具（如Matplotlib、Seaborn等）来探索数据的分布、关系和趋势。可视化可以帮助你更好地理解数据。 6. 特征工程：根据你的问题和数据集，进行特征工程来创建新的特征或者选择合适的特征。这可以提高模型的性能。 7. 模型选择和训练：根据你的问题类型（分类、回归等）选择合适的模型，并使用训练数据对模型进行训练。 8. 模型评估和调优：使用验证集或者交叉验证来评估模型的性能，并对模型进行调优，以提高其准确性和泛化能力。 9. 提交结果：如果你参与了Kaggle的竞赛，你可以使用测试集来验证你的模型，并将结果提交到Kaggle上进行评估。 总的来说，Kaggle提供了一个丰富的数据科学社区和工具，可以帮助你进行数据分析和机器学习实践。通过参与竞赛和与其他数据科学家交流，你可以不断学习和提高自己的技能。

“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