kaggle实战：基于超市消费数据的用户个性化分析案例

大家好，今天给大家分享一篇 kaggle 数据集的新文章：基于一份超市消费数据集的用户个性化分析以及用户分群的实现。

更多详细内容参考原数据集地址：

https://www.kaggle.com/code/sonalisingh1411/customer-personality-analysis-segmentation/data?select=marketing_campaign.csv

主要内容

本文的主要内容：

数据和字段的基本信息
缺失值分析与处理
从4个方面来具体探索字段信息
时间字段的处理
双变量分析
相关性分析
用户分群与可视化

缺失值情况：

技术提升

本文由技术群粉丝分享，项目源码、数据、技术交流提升，均可加交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友

方式①、添加微信号：dkl88191，备注：来自CSDN +研究方向
方式②、微信搜索公众号：Python学习与数据挖掘，后台回复：加群

字段含义

主要是涉及到4个方面的字段：人、商品、促销、地点

PEOPLE

ID: Customer’s unique identifier.
Year_Birth: Customer’s birth year.
Education: Customer’s education level.
Marital_Status: Customer’s marital status.
Income: Customer’s yearly household income.
Kidhome: Number of children in customer’s household.
Teenhome: Number of teenagers in customer’s household.
Dt_Customer: Date of customer’s enrollment with the company.
Recency: Number of days since customer’s last purchase.
Complain: 1 if customer complained in the last 2 years, 0 otherwise.

PRODUCTS

MntWines: Amount spent on wine in last 2 years.
MntFruits: Amount spent on fruits in last 2 years.
MntMeatProducts: Amount spent on meat in last 2 years.
MntFishProducts: Amount spent on fish in last 2 years.
MntSweetProducts: Amount spent on sweets in last 2 years.
MntGoldProds: Amount spent on gold in last 2 years.

PROMOTION

NumDealsPurchases: Number of purchases made with a discount.
AcceptedCmp1: 1 if customer accepted the offer in the 1st campaign, 0 otherwise.
AcceptedCmp2: 1 if customer accepted the offer in the 2nd campaign, 0 otherwise.
AcceptedCmp3: 1 if customer accepted the offer in the 3rd campaign, 0 otherwise.
AcceptedCmp4: 1 if customer accepted the offer in the 4th campaign, 0 otherwise.
AcceptedCmp5: 1 if customer accepted the offer in the 5th campaign, 0 otherwise.
Response: 1 if customer accepted the offer in the last campaign, 0 otherwise.

PLACE

NumWebPurchases: Number of purchases made through the company’s web site.
NumCatalogPurchases: Number of purchases made using a catalogue.
NumStorePurchases: Number of purchases made directly in stores.
NumWebVisitsMonth: Number of visits to company’s web site in the last month.

双变量分析

分群结果

plt.figure(figsize= (15,8))
plt.scatter(X[y == 0, 0], X[y == 0, 1],   s = 25, c = 'mediumblue',   label = 'one')
plt.scatter(X[y == 1, 0], X[y == 1, 1],   s = 25, c = 'turquoise',   label = 'two')
plt.scatter(X[y == 2, 0], X[y == 2, 1],   s = 25, c = 'red',   label = 'three')
plt.scatter(X[y == 3, 0], X[y == 3, 1],   s = 25, c = 'green',   label = 'four')
plt.scatter(X[y == 4, 0], X[y == 4, 1],   s = 25, c = 'yellow',   label = 'five')  plt.scatter(kmeans.cluster_centers_[:, 0],  kmeans.cluster_centers_[:, 1],   s = 55, c = 'black',   label = 'Centroids')  plt.title('Clusters of customers',fontsize = 20)
plt.xlabel('Income',fontsize = 15)
plt.ylabel('Expenses',fontsize = 15)  plt.legend(fontsize = 15)
plt.show()

kaggle实战：基于超市消费数据的用户个性化分析案例相关推荐

Kaggle基于黑色星期五交易数据的用户画像分析---PYTHON
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---PYTHON 1 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 ...
数据分析与挖掘实战-基于基站定位数据的商圈分析
基于基站定位数据的商圈分析背景随着个人手机终端的普及,出行群体中手机拥有率和使用率已经达到相当高的比例,手机移动网络也基本上实现了城乡空间区域的全覆盖.根据手机信号在真实地理空间上的覆盖情况,将手 ...
《Python数据分析与挖掘实战》第14章——基于基站定位数据的商圈分析（层次聚类）
本文是基于<Python数据分析与挖掘实战>的实战第14章<基于基站定位数据的商圈分析>做的分析. 1 挖掘背景及目标从某通信运营商提供的特定接口解析得到用户的定位数据.利用 ...
《Spark商业案例与性能调优实战100课》第6课：商业案例之通过Spark SQL实现大数据电影用户行为分析
<Spark商业案例与性能调优实战100课>第6课:商业案例之通过Spark SQL实现大数据电影用户行为分析 package com.dt.spark.sparksqlimport or ...
基于基站定位数据的商圈分析
基于基站定位数据的商圈分析目录基于基站定位数据的商圈分析实验介绍实验背景实验目标实验分析方法与过程分析流程数据抽取分析数据抽取数据分析数据预处理数据规约数据变换模型构建-- ...
MPB：亚热带生态所谭支良组-基于微生物成分数据的差异zOTU分析流程
为进一步提高<微生物组实验手册>稿件质量,本项目新增大众评审环节.文章在通过同行评审后,采用公众号推送方式分享全文,任何人均可在线提交修改意见.公众号格式显示略有问题,建议电脑端点击文末阅 ...
腾讯QQ大数据：用户增长分析——用户流失预警
1,前言:针对用户增长分析这个课题,本文主要从用户防流失的角度,阐述如何基于QQ社交网络数据构建用户流失预警模型,找出高潜流失用户,用于定向开展运营激活,从而有效控制用户流失风险,提升大盘用户的留存率 ...
基于电商数据的用户行为分析之需求分析
电商用户行为分析需求分析说明书项目名称: 电商用户行为分析修订时间: 2021-05-28 修订版本: 1.0 一.引言 1.目的通过编写需求分析文档,对基于电商数据的用户行为分析系统进行介绍, ...
基于Spark的网上商城用户行为分析
基于Spark的网上商城用户行为分析一.业务场景二.数据集说明三.操作步骤阶段一.启动HDFS.Spark集群服务和zeppelin服务器阶段二.准备案例中用到的数据集阶段三.对数据集进行 ...