2025-03-30-最大最小归一化-蚂蚁金服

2025-03-30-最大最小归一化-蚂蚁金服

题目内容

假设你正在为一个电子商务网站工作，网站收集了用户的行为数据，包括用户的点击次数($clicks$)，浏览时间($duration$)以及购买次数($purchases$)，你的任务是分析这些数据，计算出每个用户的行为分数，以便于网站根据分数提供个性化的产品推荐。

给定一个用户的行为数据，每个用户有三个特征:点击次数($clicks$)、浏览时间($duration$)以及购买次数($purchases$)。我们希望对这三个特征进行归一化处理，然后计算每个用户的行为分数。行为分数的计算公式为：

$$score=\log (1+normalized\_clicks)+\exp (normalized\_duration)+normalized\_purchases\times (\frac{normalized\_purchases+1}{2})$$

其中，$\log$ 是自然对数，$\exp$ 是指数的数。

你需要编写一个 $Python$ 的函数，该函数接受上述格式的输入数据，从终端读取输入，然后计算每个用户的行为分数，并指结果输出到终端。

输入描述

输入是一个字典，键是用户的 $id$ (字符串)，值是一个字典，包含 “clicks”、“duration”、“purchases” 三个键，分别代表用户的点击次数、停留时间、购买次数(均为整数)。

输出描述

返回一个字典，格式与输入相同，但是输出每个用户的行为得分。

补充说明

得分使用 $round$ 至多保留三位小数。当所有用户的点击次数浏览时间和购买次数都为零时，期望输出返回 $NaN$ 。

样例

输入:
{"user1":{"clicks":10,"duration":3600,"purchases":2},"user2":{"clicks":20,"duration":7200,"purchases":1},"user3":{"clicks":30,"duration":10800,"purchases":0}}

输出:
{user1":{"score":2.0},"user2":{"score":2.429},"user3":{"score":3.411}}

说明: 读入字典，读入每个用户的"clicks"、“duration”、"purchases"三列数据，再对所有用户的三列数据进行最大最小归一化，然后根据所给公式单独计算得分。

import numpy as np
import pandas as pd
import math

input_data = eval(input())

data = np.array(pd.DataFrame(input_data)).T
data

array([[   10,  3600,     2],
       [   20,  7200,     1],
       [   30, 10800,     0]])

# 归一化
def max_min(data):
    # 计算每列的最小值和最大值
    min_val = np.min(data, axis=0)
    max_val = np.max(data, axis=0)
    
    # 检查是否有最大值和最小值相同的列
    # 如果相同，则将该列的归一化结果设置为 0
    scale_data = np.where(max_val == min_val, 0, (data - min_val) / (max_val - min_val))
    return scale_data
data = max_min(data)
data

array([[0. , 0. , 1. ],
       [0.5, 0.5, 0.5],
       [1. , 1. , 0. ]])

if np.all(data==0):
    result = {f'user{i}': {"score": "NaN"} for i in range(len(data))}
    print(result)

# 计算分数
def get_score(data):
    result = []
    for item in data:
        score = math.log(1 + item[0]) + math.exp(item[1]) + item[2] * (item[2] + 1)/2
        result.append(score)
    return result
scores = get_score(data)
scores

[2.0, 2.429186378808293, 3.4114290090189905]

# 输出
res_dict = {}
for i in range(len(data)):
    score = {'score': float(f"{scores[i]:.3f}")} # 去掉尾部的0
    user = f"user{i+1}"
    res_dict[user] = score
print(res_dict)

{"user1": {'score': 2.0}, "'user'2": {'score': 2.429}, "'user'3": {'score': 3.411}}