# 题目重述 你是一家电商公司的数据分析师，需要分析用户的购买行为以优化营销策略。由于老师未提供实际数据，要求生成一份符合业务场景的模拟数据集，用于后续分析用户购买频率、金额、偏好及影响购买决策的因素。 # 给出答案（答案为带注释的代码块） ```python import pandas as pd import numpy as np from datetime import datetime, timedelta import random # 设置随机种子，保证结果可复现 np.random.seed(42) random.seed(42) # 参数设置 n_users = 1000 # 用户数量 n_records = 5000 # 购买记录条数 categories = ['电子产品', '服装', '家居用品', '图书', '美妆', '食品'] # 商品类别 regions = ['华东', '华北', '华南', '华中', '西南', '西北', '东北'] # 地区 genders = ['男', '女'] # 生成用户基本信息 users = pd.DataFrame({ 'user_id': range(1, n_users + 1), 'age': np.random.randint(18, 65, size=n_users), 'gender': np.random.choice(genders, size=n_users), 'region': np.random.choice(regions, size=n_users) }) # 生成购买记录 def random_date(): start = datetime(2023, 1, 1) return start + timedelta(days=random.randint(0, 365), hours=random.randint(0, 23)) purchase_data = [] for i in range(n_records): user = users.sample(1).iloc[0] purchase_date = random_date() category = random.choice(categories) amount = round(np.random.lognormal(mean=3.5, sigma=1.0), 2) # 对数正态分布模拟消费金额 duration = np.random.exponential(scale=120) # 浏览时长（秒） purchase_data.append({ 'record_id': i + 1, 'user_id': user['user_id'], 'purchase_date': purchase_date, 'category': category, 'amount': max(amount, 5), # 最低消费5元 'age': user['age'], 'gender': user['gender'], 'region': user['region'], 'page_views': np.random.poisson(lam=5), # 页面浏览数 'session_duration': round(duration, 2) # 会话时长 }) # 构建DataFrame df = pd.DataFrame(purchase_data) # 按购买日期排序 df = df.sort_values('purchase_date').reset_index(drop=True) # 保存为CSV文件 df.to_csv('ecommerce_user_behavior.csv', index=False, encoding='utf-8') print("✅ 数据集已成功生成！") print(f"📊 总共 {len(df)} 条购买记录，涉及 {n_users} 名用户。") print("📁 已保存为: ecommerce_user_behavior.csv") print("\n📄 前5行示例：") print(df.head()) ``` # 代码解析 - **导入必要库**：`pandas` 用于数据处理，`numpy` 提供高效数值计算，`datetime` 生成合理的时间序列。 - **参数设定**：定义用户规模、交易量和分类变量（如商品类别、地区等），便于控制数据结构。 - **用户表生成**：使用 `pd.DataFrame` 创建用户基本信息表，包含年龄、性别和地区，模拟真实人口分布。 - **购买记录生成**： - 使用 `lognormal` 分布模拟消费金额（右偏分布更贴近现实）； - 使用 `exponential` 和 `poisson` 分别模拟用户浏览时长与访问页面数； - 每条记录关联一个随机用户，并继承其属性，体现个体差异。 - **时间生成函数**：确保购买时间在合理范围内（如一年内），增强数据真实性。 - **导出CSV**：将最终数据保存为本地文件，方便后续读取与分析。 运行此代码后即可获得一个结构完整、语义合理的电商用户行为模拟数据集，适用于完成作业中的各项分析任务。 # 知识点（列出该代码中遇到的知识点） - **随机数据生成技术**：利用`numpy.random`和概率分布模拟符合现实规律的数据特征。 - **Pandas数据构造与操作**：使用DataFrame组织结构化数据，支持后续统计分析与可视化。 - **对数正态与泊松分布应用**：选用合适分布建模消费金额与点击次数，提升数据合理性。