### 完整Python代码实现 以下是基于Northwind数据库的扩展功能完整可运行Python代码，涵盖了查询有订单客户、统计订单数量与平均运费、筛选客户订单条件、识别价值客户与忠诚客户以及分析热销商品及产品相关性的功能。 ```python import pandas as pd import sqlite3 from sklearn.metrics.pairwise import cosine_similarity # 连接SQLite数据库 (假设已存在Northwind.db文件) conn = sqlite3.connect('Northwind.db') # 查询有订单的客户及其基本信息 query_customers_with_orders = """ SELECT DISTINCT c.CustomerID, c.CompanyName, c.ContactName, c.Country FROM Customers c JOIN Orders o ON c.CustomerID = o.CustomerID; """ customers_with_orders = pd.read_sql_query(query_customers_with_orders, conn) # 统计每个客户的订单数量和平均运费 query_order_stats = """ SELECT CustomerID, COUNT(OrderID) AS OrderCount, AVG(Freight) AS AvgFreight FROM Orders GROUP BY CustomerID; """ order_statistics = pd.read_sql_query(query_order_stats, conn) # 将统计数据合并到客户表中 customer_data = pd.merge(customers_with_orders, order_statistics, on='CustomerID', how='left') # 筛选特定条件下的客户订单（例如：总订单数大于等于10） filtered_customers = customer_data[customer_data['OrderCount'] >= 10] # 识别高价值客户（按平均运费排序） high_value_customers = filtered_customers.sort_values(by='AvgFreight', ascending=False).head(10) # 计算每位客户的购买频率 tx_frequency = customer_data.groupby('CustomerID')['OrderCount'].sum().reset_index() tx_frequency.columns = ['CustomerID', 'Frequency'] loyal_customers = tx_frequency[tx_frequency['Frequency'] > 5] # 假设高频次定义为>5 # 分析热销商品 query_top_products = """ SELECT p.ProductID, p.ProductName, SUM(od.Quantity) AS TotalQuantitySold FROM Products p JOIN [Order Details] od ON p.ProductID = od.ProductID GROUP BY p.ProductID ORDER BY TotalQuantitySold DESC LIMIT 10; -- 取前10名热销商品 """ top_selling_products = pd.read_sql_query(query_top_products, conn) # 构建产品相似性矩阵以分析产品相关性 product_sales_matrix = pd.pivot_table( data=pd.read_sql_query(""" SELECT ProductID, Quantity FROM [Order Details]; """, conn), index="ProductID", values="Quantity" ).fillna(0) similarity_matrix = cosine_similarity(product_sales_matrix.T) similarity_df = pd.DataFrame(similarity_matrix, columns=product_sales_matrix.index, index=product_sales_matrix.index) # 输出结果 print("有订单的客户:") print(customers_with_orders.head()) print("\n客户订单统计:") print(order_statistics.head()) print("\n符合条件的客户筛选结果:") print(filtered_customers.head()) print("\n高价值客户排名:") print(high_value_customers) print("\n忠诚客户列表:") print(loyal_customers) print("\n热销商品排行:") print(top_selling_products) print("\n产品间的相关性矩阵:") print(similarity_df.head()) ``` --- ### 功能说明 1. **查询有订单的客户**: 使用SQL语句提取所有具有订单记录的客户信息，并将其存储为DataFrame对象[^1]。 2. **统计订单数量与平均运费**: 对`Orders`表中的数据进行分组聚合，计算每位客户的订单总数和平均运费[^1]。 3. **筛选客户订单条件**: 根据设定的阈值（如订单次数≥10），过滤出满足条件的目标客户群体。 4. **识别价值客户与忠诚客户**: 高价值客户按照平均运费降序排列；忠诚客户依据其购买频率判定[^2]。 5. **分析热销商品及产品相关性**: 利用`Order Details`表汇总各产品的销售总量并选取Top N热门商品。同时采用余弦相似度方法评估不同商品间的关联程度. --- ###