基于BlackFriday.csv计算客户属于City_Category=2的概率方法

嘿，我来帮你搞定这个概率计算的问题！针对BlackFriday.csv数据集里客户属于City_Category=2的概率，我们可以分两种场景来算，不过你问的是客户，所以重点放在唯一用户维度上，我一步步给你讲：

首先明确：这里的“客户”指的是唯一的User_ID（每个用户只统计一次），而非单条交易记录。不过我也会顺带提交易记录维度的计算方式，供你参考。

步骤1：准备环境与读取数据 #

我们用Python的pandas库来高效处理数据，先导入工具并读取数据集：

import pandas as pd

# 读取本地的BlackFriday.csv文件
df = pd.read_csv('BlackFriday.csv')

步骤2：提取唯一客户的城市类别 #

观察你给出的数据集节选可以发现，同一个User_ID对应的City_Category是固定的（比如用户1000001的所有记录都是City_Category=1），所以我们先提取每个唯一用户对应的城市类别：

# 去重，得到每个唯一用户的城市类别数据
unique_users = df[['User_ID', 'City_Category']].drop_duplicates()

步骤3：统计并计算概率 #

接下来统计属于City_Category=2的客户数量，除以总唯一客户数，就是我们要的概率：

# 计算总唯一客户数
total_customers = len(unique_users)

# 统计City_Category=2的客户数量
category_2_customers = len(unique_users[unique_users['City_Category'] == 2])

# 计算概率（保留4位小数更直观）
probability = category_2_customers / total_customers

print(f"客户属于City_Category=2的概率为: {probability:.4f}")

额外：基于交易记录的概率（可选） #

如果想计算单条交易记录属于City_Category=2的比例，直接统计对应记录数除以总记录数即可：

# 总交易记录数
total_records = len(df)

# City_Category=2的交易记录数
category_2_records = len(df[df['City_Category'] == 2])

record_probability = category_2_records / total_records

print(f"交易记录属于City_Category=2的概率为: {record_probability:.4f}")

小提示 #

• 如果你的数据集里City_Category是字符串类型（比如'A'/'B'/'C'），只需要把代码里的==2改成=='B'这类对应值就行。
• 如果遇到同一个用户对应多个不同City_Category的异常数据，可能需要先处理这类情况（比如取出现次数最多的类别，或者根据业务规则选择）。

内容的提问来源于stack exchange，提问作者therion