中航大实训特辑 | Python数据分析-案例详讲

短视频用户行为分析

以短视频平台为业务场景，分析用户行为数据，优化内容推荐策略，提升用户留存率和活跃度，该方向是核心业务需求，涉及用户增长、推荐算法、商业变现等多个模块。

数据集介绍：包含七列数据，分别是序号、user ID、视频ID、视频类型、点赞行为、转发行为和时间。

数据处理：分析用户活跃时段，计算点击率和转发率。

推荐策略：使用协同过滤算法，构建用户视频互动矩阵，计算用户相似度进行推荐。

冷启动策略：对新用户和新视频进行默认推荐，基于视频类型和高活跃度用户。

AB测试：通过对照组和实验组的留存率差异评估推荐策略的有效性。

淘宝用户行为分析

数据预处理：导入数据，查看和处理缺失值、重复值，转换数据类型。

行为分析：计算PV、UV、总订单数等指标，分析跳出率、复购率和用户偏好。

时间序列分析：分析用户在不同时间段的浏览和购买行为，探究转化路径。

用户画像：使用RFM模型或聚类方法对用户进行分类，分析用户特点。

加利福尼亚房价预测

数据预处理：导入数据，进行描述性统计和数据可视化。

特征选择和构建：通过热力图等方法选择相关性高的特征，进行特征缩放。

建模：选择决策树模型进行预测，调参优化模型，评估模型效果。

哪吒情感分析

数据预处理：导入数据，进行情感分析和评分分布转换。

关键词提取：使用TF-IDF方法提取关键词，绘制雷达图和词云图。

时间序列分析：分析不同时间的评分变化趋势，评估电影的用户反馈。