python flag用法_2019年数据分析Flag:怎样快速的熟练掌握并使用python

最新推荐文章于 2023-04-23 09:19:25 发布

weixin_39520204

最新推荐文章于 2023-04-23 09:19:25 发布

阅读量220

点赞数

文章标签： python flag用法

一、在去年5月份左右的时候学习了SQL，学完后经过在公司不断和BI的同学不断不耻下问，已经可以在公司内部进行简单的数据查询和调取，对工作上的帮助很大，不仅是效率上提升，而且能够帮我从更多数据维度上验证数据的真伪，很感谢自己，去年把SQL学完。

但是渐渐的发现，简单的查询已经不能满足现有工作的需要，所以需要学习新的更效率更好用的分析技能，犹豫了很久，也看了各种各种统计学的书，所以还是决定今年再把python学到手，更好的提升自己的技能。

二、我目前在互联网O TO O行业，所以从‘阿里云天池’找了关于优惠券的数据，便于后期使用python进行联系，数据源的链接是：https://tianchi.aliyun.com/dataset/dataDetail?dataId=59 ，以下是关于数据的介绍：数据背景：随着智能手机的普及，“O2O市场（线上到线下）”变得非常有吸引力。根据最近的报告，至少有10家初创公司价值超过10亿元。O2O营销通常是基于各种应用程序记录的大量用户行为和位置信息，因此它是大数据和机器学习的理想应用。在这一挑战中，我们考虑零售店进行的优惠券促销，其核心是通过个人品味瞄准客户。人们通常喜欢他们最喜欢的商店发行的优惠券，并且在收到非相关广告时感到不安。受此观察的激励，任务是根据过去的在线和离线购物数据预测15天内优惠券使用的概率。特别是从2016年1月1日至2016年6月30日收集培训集，7月收集测试集。2016年1月至2016年7月15日。出于隐私和商业考虑，数据是匿名的，而且采样有偏差。

数据又3个表组成，以下是3个表的基础信息：

Table 1: Offline Transaction Record: train_offline_stage2（线下交易数据）User_id：用户ID

Merchant_id: 商户ID

Coupon_id :优惠券的ID

Distance :代表商家和用户经常消费就近位置的举例，x in 【0,10】,实际距离=x*500m，其中‘null’ 代表没有数据，0代表小于500m，10代表远于10*500m=5000m

Date_received :代表收到优化券的日期

date :指发生交易的日期，如果 Data=null & Coupon_id != null，指用户收到了优惠券，但是没有使用，属于阴性样本；如果 Date!=null & Coupon_id = null，它是指用户和商户发生了交易，但是没有使用优惠券。当 Date!=null & Coupon_id != null 它代表发生了交易，且使用了优惠券，既指的阳性样本。

Table 2: Online Transaction Record: train_online_stage2（线上交易数据）User_id：用户ID

Merchant_id: 商户ID

Action：0 for 点击， 1 for 购买，2 for 获得优惠券

Coupon_id :优惠券的ID

Date_received：收到优惠券的日期

Table 3：Offline Coupon Usage to Predict prediction_stage2（离线优惠券使用预测）User_id：用户ID

Merchant_id: 商户ID

Coupon_id :优惠券的ID

Discount_rate：折扣率

Distance：代表商家和用户经常消费就近位置的举例，x in 【0,10】,实际距离=x*500m，其中‘null’ 代表没有数据，0代表小于500m，10代表远于10*500m=5000m

Date_received：收到优惠券的日期

三、关于flag实现计划，执行的学习计划：python入门和基础学习，计划用3周的事件，3月11日-3月31日完成。