1.1.4 电商平台用户行为分析系统的数据采集与处理流程设计

工作任务

某电商平台希望通过用户行为数据分析，优化运营策略、提升用户体验。需要对用户行为数据进行采集、清洗、预处理和统计分析。

我们提供一个用户行为数据集（user_behavior_data.csv），包含以下字段：

UserID: 用户ID Age: 年龄 Gender: 性别
PurchaseAmount: 购买金额 PurchaseCategory: 购买类别
ReviewScore: 评价分数

具体要求

（1）数据采集：从本地文件读取数据集，查看前5条记录。

（2）数据清洗与预处理：处理缺失值、数据类型转换、异常值过滤、数据标准化，并保存清洗后的数据。

（3）数据统计：统计每个购买类别的用户数、不同性别的平均购买金额、不同年龄段的用户数。

注意事项

在代码的橙色下划线处填写正确的 Python 代码
请勿修改源代码的其他部分
填写完成后点击 "检查答案" 查看评分
点击 "显示答案" 可直接查看所有参考答案
点击 "重置" 清空所有填写内容

当前得分

0 / 25

In [1] — 数据采集 4分

import pandas import numpy as np import matplotlib.pyplot as plt # 1. 数据采集 # 从本地文件中读取数据 2分 data = print("数据采集完成，已加载到DataFrame中") # 打印数据的前5条记录 2分 print()

In [2] — 数据清洗与预处理 15分

# 2. 数据清洗与预处理 # 处理缺失值（删除） 2分 data = # 数据类型转换 data = (int) # Age数据类型转换为int 2分 data = (float) # PurchaseAmount数据类型转换为float 2分 data = (int) # ReviewScore数据类型转换为int 2分 # 处理异常值 2分 data = data[(.(18, 70)) & (data['PurchaseAmount'] > 0) & (.(1, 5))] # 数据标准化 data['PurchaseAmount'] = (data['PurchaseAmount'] - ) / # PurchaseAmount数据标准化 2分 data['ReviewScore'] = (data['ReviewScore'] - ) / # ReviewScore数据标准化 2分 # 保存清洗后的数据 1分 ('cleaned_user_behavior_data.csv', index=False) print("数据清洗完成，已保存为 'cleaned_user_behavior_data.csv'")

In [3] — 数据统计 6分

# 3. 数据统计 # 统计每个购买类别的用户数 2分 purchase_category_counts = . print("每个购买类别的用户数:\n", purchase_category_counts) # 统计不同性别的平均购买金额 2分 gender_purchase_amount_mean = ()['PurchaseAmount'].mean() print("不同性别的平均购买金额:\n", gender_purchase_amount_mean) # 统计不同年龄段的用户数 2分 bins = [18, 26, 36, 46, 56, 66, np.inf] labels = ['18-25', '26-35', '36-45', '46-55', '56-65', '65+'] data['AgeGroup'] = pandas.(, right=False) age_group_counts = data['AgeGroup'].value_counts().sort_index() print("不同年龄段的用户数:\n", age_group_counts)

人工智能训练师（三级）实操考试 — 1.1.4 电商平台用户行为分析系统的数据采集与处理流程设计