完成 M1 作業 - 李舜權 - AIPE03

.gitignore

@@ -2,3 +2,4 @@ __pycache__/
 *.pyc
 .pytest_cache/
 .pytest_results.json
+venv

homework/m1_numpy.py

@@ -15,53 +15,59 @@
 # ============================================================
 # 🟢 送分題（每題 10 分，共 30 分）
 # ============================================================
-
+ 
 def green_mean():
     """建立 [10, 20, 30, 40, 50]，回傳所有元素的平均值 (float)"""
-    # TODO: 你的程式碼
-    pass
-
+    arr = np.array([10, 20, 30, 40, 50]).mean()
+    print(arr)
+    return arr
 
 def green_double():
     """建立 [10, 20, 30, 40, 50]，回傳所有元素乘以 2 的 ndarray"""
-    # TODO: 你的程式碼
-    pass
+    arr = np.array([10, 20, 30, 40, 50])
+    arr = arr*2
+    return arr
+
 
 
 def green_filter():
     """建立 [10, 20, 30, 40, 50]，回傳大於 25 的元素 (ndarray)"""
-    # TODO: 你的程式碼
-    pass
+    arr = np.array([10, 20, 30, 40, 50])
+    arr = arr[arr>25]
+    return arr
 
 
 # ============================================================
 # 🟡 核心題（每題 15 分，共 45 分）
 # 以下函式會接收從 products.csv 讀出的 prices, stocks 陣列
 # ============================================================
 
+# ---------- 載入 products.csv ----------
+DATA_PATH = "datasets/ecommerce/products.csv"
+prices = np.genfromtxt(DATA_PATH, delimiter=",", skip_header=1, usecols=3)
+stocks = np.genfromtxt(DATA_PATH, delimiter=",", skip_header=1, usecols=4)
+
 def yellow_expensive_count(prices):
     """回傳單價 > 1000 的商品數量 (int)"""
-    # TODO: 你的程式碼
-    pass
-
+    rrrr = len(prices[prices>1000])
+    return rrrr
 
 def yellow_top3_stock_indices(stocks):
     """
     回傳庫存最多的前 3 個商品的索引位置 (ndarray, 由大到小排)
     提示：np.argsort
     """
-    # TODO: 你的程式碼
-    pass
-
+    GGGG = np.argsort(stocks)[::-1][:3]
+    return GGGG
 
 def yellow_restock_cost(prices, stocks):
     """
     單價 < 500 的商品，每種各進貨 50 個，回傳總花費 (float/int)
     提示：布林遮罩 + .sum()
     """
-    # TODO: 你的程式碼
-    pass
-
+    rrrr = (prices[prices<500]*50).sum()
+
+    return rrrr
 
 # ============================================================
 # 🔴 挑戰題（25 分）
@@ -76,5 +82,6 @@ def red_double11_prices(prices, stocks):
     回傳每個商品的雙 11 售價 (ndarray)
     提示：np.where 可以巢狀使用
     """
-    # TODO: 你的程式碼
-    pass
+    new_prices = np.where(stocks>=100 ,prices * 0.7,np.where((stocks>=20)&(stocks<100),prices*0.9,prices))
+    print(new_prices)
+    return new_prices

homework/m2_pandas_cleaning.py

@@ -9,37 +9,33 @@
 """
 import pandas as pd
 
-
 # ============================================================
 # 🟢 送分題（每題 10 分，共 30 分）
 # ============================================================
 
 def green_read_csv():
     """
     讀取 orders_raw.csv，回傳原始 DataFrame（不做任何清理）
-    提示：pd.read_csv()
+    提示：pd.read_csv(s)
     """
-    # TODO: 你的程式碼
-    pass
+    df = pd.read_csv('datasets/ecommerce/orders_raw.csv')
+    return df
 
 
 def green_shape(df):
     """
     回傳 DataFrame 的 (列數, 欄數) tuple
     提示：df.shape
     """
-    # TODO: 你的程式碼
-    pass
+    return df.shape 
 
 
 def green_dtypes(df):
     """
     回傳 DataFrame 的欄位型別 (Series)
     提示：df.dtypes
     """
-    # TODO: 你的程式碼
-    pass
-
+    return df.dtypes
 
 # ============================================================
 # 🟡 核心題（每題 15 分，共 45 分）
@@ -51,9 +47,9 @@ def yellow_clean_columns(df):
     回傳清理後的 DataFrame（不要修改原始 df）
     提示：df.columns.str.strip().str.lower()
     """
-    # TODO: 你的程式碼
-    pass
-
+    new_df = df.copy()
+    new_df.columns = new_df.columns.str.strip().str.lower()
+    return new_df
 
 def yellow_clean_amount(df):
     """
@@ -62,17 +58,19 @@ def yellow_clean_amount(df):
     回傳清理後的 DataFrame（不要修改原始 df）
     提示：.str.replace() + .astype(float)
     """
-    # TODO: 你的程式碼
-    pass
-
+    new_df = df.copy()
+    new_df['amount'] = new_df['amount'].str.replace('$','',regex=False).str.replace(',','',regex=False).astype(float)
+    return new_df
 
 def yellow_drop_duplicates(df):
     """
     移除完全重複的列，回傳去重後的 DataFrame
     提示：df.drop_duplicates()
     """
-    # TODO: 你的程式碼
-    pass
+    new_df = df.copy()
+    new_df = new_df.drop_duplicates(subset=None, keep='first', inplace=False)
+    return new_df
+
 
 
 # ============================================================
@@ -92,5 +90,11 @@ def red_clean_orders(path):
     回傳：清理後的 DataFrame
     提示：pd.to_datetime(errors='coerce')
     """
-    # TODO: 你的程式碼
-    pass
+    df = pd.read_csv(path)
+    df.columns = df.columns.str.strip().str.lower()
+    df['amount'] = df['amount'].str.replace('$','',regex=False).str.replace(',','',regex=False).astype(float)
+    df['order_date'] = pd.to_datetime(df['order_date'],errors='coerce')
+    df = df.dropna(subset= ['amount','order_date'])
+    df = df.drop_duplicates(subset=None, keep='first', inplace=False)
+    return df
+

homework/m3_pandas_advanced.py

@@ -23,34 +23,56 @@ def green_load_and_merge():
     - 再 LEFT JOIN products.csv ON product_id
     提示：pd.merge(how='left')
     """
-    # TODO: 你的程式碼
-    pass
+
+    path = "datasets/ecommerce/"
+
+    df_orders = pd.read_csv(path + "orders_clean.csv")
+    df_customers = pd.read_csv(path + "customers.csv")
+    df_products = pd.read_csv(path + "products.csv")
 
+    m1 = pd.merge(df_orders,df_customers,on='customer_id',how = 'left')
+    m2 = pd.merge(m1,df_products,on='product_id',how = 'left')
+
+    return m2
+
+
+
 
 def green_row_count(df):
     """回傳 DataFrame 的列數 (int)"""
-    # TODO: 你的程式碼
-    pass
-
+    return len(df)
 
 def green_column_list(df):
     """回傳 DataFrame 的所有欄位名稱 (list)"""
-    # TODO: 你的程式碼
-    pass
-
+    return df.columns.tolist()
 
 # ============================================================
 # 🟡 核心題（每題 15 分，共 45 分）
 # ============================================================
 
+# def yellow_top_category(df):
+#     """
+#     哪個商品類別 (category) 的總營收最高？
+#     回傳該類別名稱 (str)
+#     提示：groupby('category')['amount'].sum()
+#     """
+#     # return df.groupby('category')['amount'].sum().idxmax()
+#     df = df.groupby('category')['amount'].sum().idxmax()
+#     print(df)
+#     return  df
+# print(green_load_and_merge())
+
+
 def yellow_top_category(df):
     """
     哪個商品類別 (category) 的總營收最高？
-    回傳該類別名稱 (str)
-    提示：groupby('category')['amount'].sum()
     """
-    # TODO: 你的程式碼
-    pass
+
+    category_totals = df.groupby('category')['amount'].sum().idxmax()
+
+    return category_totals
+
+
 
 
 def yellow_gold_vip_stats(df):
@@ -59,8 +81,11 @@ def yellow_gold_vip_stats(df):
     回傳 tuple: (訂單數 int, 總金額 float)
     提示：df[df['vip_level'] == 'Gold']
     """
-    # TODO: 你的程式碼
-    pass
+
+    gold_df = df[df['vip_level'] == 'Gold']
+    order_count = len(gold_df)
+    total_amount = gold_df['amount'].sum()
+    return (int(order_count), float(total_amount))
 
 
 def yellow_region_avg_amount(df):
@@ -69,8 +94,8 @@ def yellow_region_avg_amount(df):
     回傳 Series（index=region, values=平均金額）
     提示：groupby('region')['amount'].mean()
     """
-    # TODO: 你的程式碼
-    pass
+    return df.groupby('region')['amount'].mean()
+
 
 
 # ============================================================
@@ -93,5 +118,15 @@ def red_rfm_top5(df):
 
     提示：groupby('customer_id').agg(...)
     """
-    # TODO: 你的程式碼
-    pass
+
+    rrr = df.groupby(['customer_id','customer_name']).agg(
+         {'order_date':'max','order_id':'count','amount':'sum'}
+     ).reset_index()
+    rrr.columns = ['customer_id','customer_name','R','F','M']
+    result = rrr.sort_values(by='M',ascending=False).head(5)
+    print(result)
+    return result
+
+
+
+