数据基础及导论 6

《大数据导论》实验任务报告实验章节：学生姓名： 专业班级： 学号： 机械工业出版社《第十二章大数据在旅游业的应用》课程实验姓名学号班级实验地点指导教师时间实验任务任务名称人口统计特征与旅游行为的关联分析任务目标掌握旅游业数据的结构特点。熟练完成大数据读取、清洗、异常值处理、特征构造等全流程操作。分析访问网站游客年龄，家庭类型与旅游行为的关联。挖掘成人身份、家庭人数与旅游行为、产品购买的规律，支撑旅游平台精准运营。具体任务内容（1）数据收集与预处理（2）统计与分析（3）对策分析成果要求分析报告一份，如《人口统计特征与旅游行为关系分析报告》，报告需包含4张可视化图表（成人对比、家庭对比各2张），3条数据结论，2~3条旅游平台运营建议。实验报告实验任务通过分析旅游网站用户行为，挖掘成人身份、家庭人数与旅游行为、产品购买的规律，支撑旅游平台精准运营。实验环境硬件：计算机一台软件：PyCharm+Python3.7+依赖库：pandas、matplotlib实验数据：可在和鲸社区下载旅游网站用户行为数据集。本次实验使用关键字段：（1）人口统计特征Adult_flag：是否成人（1=成人，0=非成人）member_in_family：家庭成员数（2）旅游行为Yearly_avg_view_on_travel_page：年均浏览旅游页面次数Daily_Avg_mins_spend_on_traveling_page：日均停留时长yearly_avg_Outstation_checkins：年均异地签到次数preferred_location_type：偏好旅游地点类型Taken_product：是否购买旅游产品（核心转化）（3）互动行为评论数、点赞数、关注行为任务完成及步骤步骤1：数据加载与基础清洗。任务：读取数据、处理缺失值、统一格式。importpandasaspdimportmatplotlib.pyplotaspltimportnumpyasnp#解决中文显示plt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=False#1.读取数据、清洗df=pd.read_csv('路径/文件')#清洗Adult_flag：只保留0和1，缺失值填众数df['Adult_flag']=pd.to_numeric(df['Adult_flag'],errors='coerce')df['Adult_flag']=df['Adult_flag'].fillna(df['Adult_flag'].mode()[0])df['Adult_flag']=df['Adult_flag'].astype(int)df=df[df['Adult_flag'].isin([0,1])]#只保留合法值#清洗家庭人数df['member_in_family']=pd.to_numeric(df['member_in_family'],errors='coerce')df['member_in_family']=df['member_in_family'].fillna(df['member_in_family'].median())#家庭类型分组deffamily_group(x):ifx==1:return'单人'elifx==2:return'双人/情侣'else:return'家庭(3人及以上)'df['family_type']=df['member_in_family'].apply(family_group)#清洗购买标签df=df[df['Taken_product'].isin(['Yes','No'])]步骤2：成人身份与旅游行为分析分析点：成人vs非成人在浏览、停留、签到、购买上的差异。adult_time=df.groupby('Adult_flag')['Daily_Avg_mins_spend_on_traveling_page'].mean()adult_view=df.groupby('Adult_flag')['Yearly_avg_view_on_travel_page'].mean()adult_buy=df.groupby('Adult_flag')['Taken_product'].apply(lambdax:(x=='Yes').mean()*100)#画图labels=['非成人','成人']fig,axes=plt.subplots(1,3,figsize=(15,4))axes[0].bar(labels,adult_time.values,color='#4472C4')axes[0].set_title('日均停留时长(分钟)')axes[1].bar(labels,adult_view.values,color='#5B9BD5')axes[1].set_title('年均浏览次数')axes[2].bar(labels,adult_buy.values,color='#70AD47')axes[2].set_title('购买转化率(%)')plt.suptitle('成人身份与旅游行为对比',fontsize=14)plt.tight_layout()plt.show()步骤3：家庭类型与旅游行为分析分析点：不同家庭类型在浏览、停留、签到、购买上的差异。#签到转数值df['yearly_avg_Outstation_checkins']=pd.to_numeric(df['yearly_avg_Outstation_checkins'],errors='coerce')family_checkin=df.groupby('family_type')['yearly_avg_Outstation_checkins'].mean()family_buy=df.groupby('family_type')['Taken_product'].apply(lambdax:(x=='Yes').mean()*100)fig,axes=plt.subplots(1,2,figsize=(10,4))axes[0].bar(family_checkin.index,family_checkin.values,color='#ED7D31')axes[0].set_title('年均异地签到次数')axes[1].bar(family_buy.index,family_buy.values,color='#FFC000')axes[1].set_title('购买转化率(%)')plt.suptitle('家庭类型与旅游行为对比',fontsize=14)plt.tight_layout()plt.show()步骤4：交叉分析表cross_buy=df.groupby(['Adult_flag','family_type']