题目描述：现有某店铺会员消费情况sales.csv。包含以下字段： user_id：会员编号； recency：最近一次消费距离当天的天数； frequency：一段时间内消费的次数； monetary：一段时间内消费的总金额。请你统计最有价值的用户中消费金额最多的前5名用户。输入描述：数据集可以从当前目录下sales.csv读取。输出描述：请你先对每个用户销售情况的每个特征进行评分，分值为1-4分。再将所有评分拼接到一起形成新的列RFMClass。评分规则如下：对于recency特征，值越小越好。对于frequency和monetary值越大越好。如对于recency：数值小于等于下四分位数则评为4分；大于下四分位数并且小于等于中位数则评为3分；大于中位数且小于等于上四分位数则评为2分；大于上四分位数则评为1分。对于frequency和monetary则方法刚好相反。请你输出评分后的数据的前5行并输出最有价值的用户（评分为“444”）中销售总金额最高的前5位(索引从0开始)，以上数据集的输出如下图所示（两次输出之间有一个空行）。

区块链毕设网qklbishe.com为您提供问题的解答

题目描述：

现有某店铺会员消费情况sales.csv。包含以下字段：

user_id：会员编号；
recency：最近一次消费距离当天的天数；
frequency：一段时间内消费的次数；
monetary：一段时间内消费的总金额。

请你统计最有价值的用户中消费金额最多的前5名用户。

输入描述：

数据集可以从当前目录下sales.csv读取。

题目描述：现有某店铺会员消费情况sales.csv。包含以下字段： user_id：会员编号； recency：最近一次消费距离当天的天数； frequency：一段时间内消费的次数； monetary：一段时间内消费的总金额。请你统计最有价值的用户中消费金额最多的前5名用户。输入描述：数据集可以从当前目录下sales.csv读取。输出描述：请你先对每个用户销售情况的每个特征进行评分，分值为1-4分。再将所有评分拼接到一起形成新的列RFMClass。评分规则如下：对于recency特征，值越小越好。对于frequency和monetary值越大越好。如对于recency：数值小于等于下四分位数则评为4分；大于下四分位数并且小于等于中位数则评为3分；大于中位数且小于等于上四分位数则评为2分；大于上四分位数则评为1分。对于frequency和monetary则方法刚好相反。请你输出评分后的数据的前5行并输出最有价值的用户（评分为“444”）中销售总金额最高的前5位(索引从0开始)，以上数据集的输出如下图所示（两次输出之间有一个空行）。

输出描述：

请你先对每个用户销售情况的每个特征进行评分，分值为1-4分。再将所有评分拼接到一起形成新的列RFMClass。

评分规则如下：对于recency特征，值越小越好。对于frequency和monetary值越大越好。如对于recency：

数值小于等于下四分位数则评为4分；
大于下四分位数并且小于等于中位数则评为3分；
大于中位数且小于等于上四分位数则评为2分；
大于上四分位数则评为1分。

对于frequency和monetary则方法刚好相反。

请你输出评分后的数据的前5行并输出最有价值的用户（评分为“444”）中销售总金额最高的前5位(索引从0开始)，以上数据集的输出如下图所示（两次输出之间有一个空行）。

import pandas as pd
sales = pd.read_csv(‘sales.csv’)
sales["monetary"] = sales["monetary"].astype("int")
sales["R_Quartile"] = pd.qcut(sales["recency"], [0, 0.25, 0.5, 0.75, 1],
labels=["4", "3", "2", "1"]).astype("str")
sales["F_Quartile"] = pd.qcut(sales["frequency"], [0, 0.25, 0.5, 0.75, 1],
labels=["1", "2", "3", "4"]).astype("str")
sales["M_Quartile"] = pd.qcut(sales["monetary"], [0, 0.25, 0.5, 0.75, 1],
labels=["1", "2", "3", "4"]).astype("str")
sales[‘RFMClass’] = sales["R_Quartile"] + sales["F_Quartile"] + sales["M_Quartile"]
df = sales[[‘user_id’,’recency’,’frequency’,’monetary’,’RFMClass’]]
print(df.head(5))
print(‘/n’)
print(df.loc[df[‘RFMClass’] == ‘444’].sort_values(by=’monetary’,ascending= False).head(5))

34:04

以上就是关于问题题目描述：现有某店铺会员消费情况sales.csv。包含以下字段： user_id：会员编号； recency：最近一次消费距离当天的天数； frequency：一段时间内消费的次数； monetary：一段时间内消费的总金额。请你统计最有价值的用户中消费金额最多的前5名用户。输入描述：数据集可以从当前目录下sales.csv读取。
输出描述：请你先对每个用户销售情况的每个特征进行评分，分值为1-4分。再将所有评分拼接到一起形成新的列RFMClass。评分规则如下：对于recency特征，值越小越好。对于frequency和monetary值越大越好。如对于recency：数值小于等于下四分位数则评为4分；大于下四分位数并且小于等于中位数则评为3分；大于中位数且小于等于上四分位数则评为2分；大于上四分位数则评为1分。对于frequency和monetary则方法刚好相反。请你输出评分后的数据的前5行并输出最有价值的用户（评分为“444”）中销售总金额最高的前5位(索引从0开始)，以上数据集的输出如下图所示（两次输出之间有一个空行）。的答案

欢迎关注区块链毕设网-
专业区块链毕业设计成品源码，定制。

区块链NFT链游项目方科学家脚本开发培训