商场用户画像描述与价值分析
收藏Data Castle2022-01-26 更新2026-04-18 收录
下载链接：
https://www.datacastle.cn/dataset_description.html?type=dataset&id=887
下载链接
链接失效反馈官方服务：
资源简介：
<p><span style="font-weight: bold; font-size: large;">背景描述</span></p><p><span style="font-size: medium;">内容主要是基于Python的“百货商场用户画像描述与价值分析”，里面有详细的数据预处理、数据可视化和数据建模等步骤。</span></p><p><span style="font-size: medium;"><br></span></p><p><span style="font-weight: bold; font-size: large;">数据说明</span></p><p><span style="font-size: medium;">
L（入会程度）：3个月以下为新用户，4-12个月为中等用户，13个月以上为老用户
R（最近购买的时间）
F（消费频次）：次数20次以上的为高频消费，6-19次为中频消费，5次以下为低频消费
M（消费金额）：10万以上为高等消费，1万-10万为中等消费，1万以下为低等消费
P（消费积分）：10万以上为高等积分用户，1万-10万为中等积分用户，1万以下为低等积分用户</span></p><p><span style="font-size: medium;"><br></span></p><p><span style="font-weight: bold; font-size: large;">数据来源</span></p><p><span style="font-size: medium;">https://github.com/zhengkangle-555/ConsumersProfile</span></p><p><span style="font-size: medium;"><br></span></p><p><span style="font-weight: bold; font-size: large;">问题描述</span></p><p><span style="font-size: medium;"> 数据预处理（Pandas）：包括去重去缺失值、异常值处理、变量重编码和时间序列数据处理方式等；
数据可视化（Matplotlib）：饼图、柱状图、折线图、雷达图和复合图等绘制方式等；
特征创造和数据建模：从海量连续数据中创造出性别、消费偏好、入会程度、最近购买的时间、消费频次、消费金额、消费积分等类别数据，建模部分主要通过标准化和归一化数据来对比KMeans聚类的轮廓系数结果。</span></p><p><span style="font-size: medium;"><br></span></p>
提供机构：
cascomix
