淘宝购物数据统计分析
淘宝上的本校同学的购物数据统计(单位是:万元):
#本校男生的消费:男士衣物188万元,女士衣物(女士精品)145万元,其他:92.7万元。 其中高达145万元的消费竟然是购买女士精品。。。 >>> man_exp = {"cloth":188.,"forwomen":145.,"others":92.7} #女生的消费:女士衣服(女士精品),鞋子,其它 >>> women_exp = {"cloth":560.,"shoes":189.,"others":122.} >>> man_total = sum(man_exp.values()) >>> women_total = sum(women_exp.values()) >>> man_total = sum(man_exp.values()) >>> women_total = sum(women_exp.values()) #假定本校男士不是异装癖的变态。。。。计算男生实际消费量占总量的百分比。 >>> (man_total-man_exp["forwomen"])/(man_total+women_total) 0.21647258425233282
从结果可以看出,79%的消费都再女人身上。二八定律再次显灵!!得女性市场才是真正的市场啊。
作者:
fandyst
出处: http://www.cnblogs.com/todototry/
关注语言: python、javascript(node.js)、objective-C、java、R、C++
兴趣点: 互联网、大数据技术、大数据IO瓶颈、col-oriented DB、Key-Value DB、数据挖掘、模式识别、deep learning、开发与成本管理
产品:
本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接。
出处: http://www.cnblogs.com/todototry/
关注语言: python、javascript(node.js)、objective-C、java、R、C++
兴趣点: 互联网、大数据技术、大数据IO瓶颈、col-oriented DB、Key-Value DB、数据挖掘、模式识别、deep learning、开发与成本管理
产品:
本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接。