Olist巴西电商数据分析完整实战指南（从SQL到RFM模型）
配套在线SQL练习平台：https://zoengsang.cloud/sql-practice/app/ 项目简介什么是Olist？Olist 是巴西最大的电商平台之一，成立于2015年。它连接了巴西各地的小型零售商，让商家可以通过Olist的平台将商品销售给全国客户，并使用Olist的物流网络完成配送。 为什么选这个项目？ 真实电商数据，包含订单、客户、商品、支付等完整业务链条 数据量适中（10万订单），适合个人电脑处理 涵盖数据分析核心技能：SQL、Python、可视化、机器学习 面试时展示RFM和Cohort分析是加分项 一、数据集详解1.1 数据表关系Olist数据集包含9个关联表，核心关系如下： 1234567891011121314151617 ┌─────────────┐ │ orders │ ← 订单主表（核心） │ (99,441) │ └──────┬──────┘ ┌─────────────┼─...
Olist电商数据分析实战：RFM客户价值与Cohort留存深度解析（Python完整代码）
一、项目概览与核心发现1.1 为什么做这个项目？在面试数据分析岗位时，面试官最常问的是：**”你有没有独立完成的完整项目？”** 这个项目就是我为面试准备的端到端数据分析案例： 面试考察点 本项目体现 数据处理能力? 9表关联、10万+订单清洗 业务理解深度 RFM客户分群 + Cohort留存分析 建模能力 满意度预测（AUC 0.74） 可视化能力 热力图、分布图、趋势图 代码规范 完整Python脚本 + 详细注释 1.2 核心发现12345🚨 关键洞察：96.4% 的客户只购买过一次！- 首月留存率仅 5.5%（行业平均 20-30%）- 平均配送 12 天，延迟率 8.05%- 冠军客户仅 6.9%，高风险流失客户 14.1% 二、数据准备与探索2.1 数据集加载123456789101112131415161718192021222324import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsfrom da...
Olist Store电商数据分析完整实践指南
项目概览这是一个中级电商数据分析完整实践指南，基于Kaggle与天池双平台的Olist巴西电商数据集，帮助你构建从数据清洗到机器学习建模的全流程能力体系。 核心数据指标 指标 数值 关联数据表 9个 数据总量 123MB 订单记录 ~10万 时间跨度 2016-2018 客户满意度 76% 完整学习周期 14-18天 核心分析维度 6大维度 技术栈 数据处理: Python + Pandas + NumPy 数据库: SQL + MySQL 可视化: Matplotlib + Plotly + Streamlit 机器学习: Scikit-learn + XGBoost 平台: Kaggle + 天池 核心推荐项目Kaggle平台优势特点: 🏆 完整数据集: 9个关联CSV文件，星型schema架构 💻 Python生态: Notebook共享、Kaggle API、竞赛技巧 🌍 国际认可: 外企、国际化团队高度认可 天池平台优势特点: 🇨🇳 中文环境: 完整中文文档、字段注释、入门教程 🖥️ SQL专项: 在线Not...
MySQL数据分析：日常工作中的SQL查询
MySQL数据分析：日常工作中的SQL查询 数据分析师日常工作中，90%的SQL查询都是基础操作。本文展示企业数据分析中最实用、最常用的MySQL查询，帮你快速掌握核心技能。 一、基础数据表设计12345678910111213141516171819202122232425-- 用户表CREATE TABLE users ( id INT PRIMARY KEY AUTO_INCREMENT, name VARCHAR(50), email VARCHAR(100), reg_date DATE, city VARCHAR(50));-- 订单表CREATE TABLE orders ( id INT PRIMARY KEY AUTO_INCREMENT, user_id INT, order_date DATE, amount DECIMAL(10,2), status VARCHAR(20));-- 产品表 CREATE TABLE products ( id INT PRIMARY KEY AUTO_I...
电商用户行为分析：从数据清洗到可视化洞察
🎯 项目概述本项目通过模拟电商平台用户行为数据，完整演示数据分析的标准化流程：数据清洗 → 探索性分析 → 可视化 → 机器学习应用 → 业务洞察。重点关注数据处理技巧和可视化表达，附带基础的机器学习分群应用。 业务目标 用户行为理解：识别用户活跃模式、购买偏好、消费能力 用户分群：基于行为特征对用户进行聚类，实现精细化运营 业务优化：基于数据洞察提出可落地的运营策略 技术栈 数据处理：Pandas, NumPy 可视化：Matplotlib, Seaborn, Plotly 机器学习：Scikit-learn (KMeans聚类) 开发环境：Jupyter Notebook, Python 3.11 📊 数据集介绍数据来源使用模拟的电商平台数据，包含以下维度： 1234567891011121314151617181920212223242526import pandas as pdimport numpy as npfrom datetime import datetime, timedelta# 生成模拟数据np.random.seed(42)n_users = 1...
数据分析求职指南：打造技术博客作品集
📊 为什么需要技术博客？在数据分析求职竞争中，一个优质的技术博客可以： 展示实际能力 - 纸上谈兵不如一行代码 证明学习热情 - 持续更新体现专业热情 建立专业形象 - 从求职者转型为领域贡献者 提供可验证成果 - 招聘方可以直接查看你的工作质量 🚀 数据分析博客内容规划1. 技术教程与案例 Python数据处理实战（Pandas、NumPy） SQL优化与复杂查询 数据可视化案例（Matplotlib、Seaborn、Plotly） 机器学习模型应用（Scikit-learn） 2. 项目深度解析 完整项目架构说明 技术选型与决策过程 遇到的问题与解决方案 性能优化与部署经验 3. 行业洞察 数据分析方法论 业务场景应用 工具链对比与选型 最佳实践总结 🎯 我的数据分析技能栈数据处理 Python: Pandas数据清洗、NumPy数值计算 SQL: 复杂查询优化、性能调优、数据建模 ETL: 数据管道设计、自动化流程 分析与建模 统计分析: 描述性统计、假设检验、回归分析 机器学习: 分类、回归、聚类、特征工程 时间序列: 预测模型、季节性分析 可视化与报...
DeepSeek 交互式对话客户端
DeepSeek 交互式对话代码 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118# interactive_chat.pyimport osfrom openai import OpenAIfrom dotenv import load_dotenvclass DeepSeekChat: def __init__(self): load_dotenv() self.client = OpenAI( api_key=os.getenv("DEEPSEEK_API_KEY&quo...
Flask 电影数据库应用
Flask 电影数据库应用代码 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869# 第一步：导入所有必要模块（按功能分类，清晰有序）from flask import Flask, url_for, render_template, request, flash, redirectfrom flask_sqlalchemy import SQLAlchemyfrom werkzeug.security import generate_password_hash, check_password_hashimport os# 第二步：初始化应用和数据库app = Flask(__name__)app.config['SECRET_KEY'] = 'dev-key-change-in-production' # 生产环境务必更换app.c...
均值方差模型图片
均值方差模型 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147代码如下：import pandas as pdimport numpy as npimport scipy.optimize as scoimport matplotlib.pyplot as plt# ====================== 1. 内嵌模拟A股数据 ==========...