电商平台用户行为分析系统的数据采集与处理流程设计
人工智能训练师主机：CPU（intel i5 及以上）、内存（不少于 16GB）、操作系统（windows10）、支持深度学习训练；
30min
某电商平台希望通过用户行为数据分析，了解用户购物习惯、购买倾向等，从而优化产品推荐系统，提高用户满意度和销售额。作为数据分析师，您需要设计一套全面的业务数据采集与处理流程，确保数据在进入用户行为分析系统之前经过严格的采集、清洗和预处理。
我们提供一个用户行为数据集（user_behavior_data.csv），包含以下字段：
UserID: 用户ID
UserName: 用户名
Age: 年龄
Gender: 性别（Male/Female）
Location: 位置
LastLogin: 上次登录时间
PurchaseAmount: 购买金额
PurchaseCategory: 购买类别（例如，电子产品、服装、食品等）
ReviewScore: 用户评价评分（1-5）
LoginFrequency: 登录频率（每日、每周、每月）
你作为人工智能训练师，根据提供的user_behavior_data.csv数据集和Python代码框架（1.1.4.ipynb），完成以下数据的采集与处理任务，确保数据的准确性和可靠性。请按照以下要求完成任务，确保结果准确并保存相应的截图。
（1）数据采集：
通过运行Python代码（1.1.4.ipynb），从本地文件user_behavior_data.csv中读取数据，并将数据加载到DataFrame中。打印前5条数据。
（2）数据清洗与预处理：
通过运行Python代码（1.1.4.ipynb）对数据进行清洗和预处理，具体要求如下：
处理缺失值：对缺失值进行填充或删除。
数据类型转换：确保每个字段的数据类型正确。
处理异常值：删除不合理的年龄、购买金额和评价评分。
数据标准化：对购买金额和评价评分进行标准化处理。
清洗后的数据保存为新文件cleaned_user_behavior_data.csv。
（3）数据统计：
通过运行Python代码（1.1.4.ipynb），完成以下数据统计任务：
统计每个购买类别的用户数。
统计不同性别的平均购买金额。
统计不同年龄段的用户数（18-25岁、26-35岁、36-45岁、46-55岁、56-65岁、65岁以上）。
将统计结果分别截图以jpg的格式保存，分别命名为“1.1.4-1”、“1.1.4-2”、“1.1.4-3”。
所有结果文件储存在桌面新建的考生文件夹中，文件夹命名为“准考证号+身份证号后六位”。
（1）能结合人工智能技术要求和业务特征，设计整套业务数据采集流程
（2）能结合人工智能技术要求和业务特征，设计整套业务数据处理流程
（1）完整性指标：数据集中无缺失值和重复记录。
（2）合理性指标：所有数据点符合业务规则，无异常值存在。
（3）清洗效果指标：清洗后的数据集完整、合理，且适于建模分析。
考生文件夹可以保存在桌面。
jupyter notebook 工作目录（根目录）：虚拟机环境中的D:\jupyter_notebook。
jupyter notebook 打开方式：在终端中输入jupyter notebook启动。
ipynb填充代码运行后，附带结果保存为html格式上传。保存方法：jupyter notebook中File->Download as->HTML(.html)。
ipynb代码在下划线上填充，请勿随意添加、删除或修改源代码的其他部分，以免影响考试结果。
截图工具：Windows附件->截图工具。截图只截取输出结果部分，其余多余内容不截取。