使用数据框上的条件为用户创建忠诚度标签

Question

我有一个附有样本的数据框。我想为我的数据框中的所有用户提供忠诚度标签。

标签及其条件为：

• first_time_visitor - session = 0 的任何用户（参见忠诚度列的第一行）

• frequent_visitor - session > 0 且 count_session_products > 0 的任何用户

• first_time_customer - 首次结账：确认出现在类型栏

• repeat_customer - 第二次结账：确认出现在类型栏

• loyal_customer - 第三次结帐：确认出现在类型栏

我在计算 first_time_customer、repeat_customer 和 loyal_customer 标签时遇到问题。

我只有几个想法，一个是使用first_valid_index() 或argmax() 来查找索引，并以某种方式在某个条件下使用它来创建first_time_customer 标签。

(df_customer_1.type.values == 'checkout:confirmation').argmax()
df_customer_1[df_customer_1.type == 'checkout:confirmation'].first_valid_index()

但我不确定如何实现这些条件。

最后我希望图片中的忠诚度栏看起来像：

first_time_visitor
frequent_visitor
first_time_customer
repeat_customer
frequent_visitor
loyal_customer

谁能指导我如何实现这一目标？到目前为止，我没有任何代码可以显示，因此您可能必须想出一些东西。我们可以尝试 pandas 或典型的 Python 方式。

这是我目前所拥有的，数据样本：

data = {
'user_id': [
    '9EPWZVMNP6D6KWX', '9EPWZVMNP6D6KWX', '9EPWZVMNP6D6KWX',
    '9EPWZVMNP6D6KWX', '9EPWZVMNP6D6KWX', '9EPWZVMNP6D6KWX'
],
'timestamp': [
    1612139269, 1612139665, 1612139579,
    1612141096, 1612143046, 1612143729
],
'type': ['productDetails', 'productDetails', 'checkout:confirmation', 'checkout:confirmation', 'productList', 'checkout:confirmation'],
'session': [0,1,2,3,4,5],
'count_session_products': [4, 1, 0, 4, 2, 2],
'loyalty' : [0,0,0,0,0,0]}

test_df = pd.DataFrame(data)
test_df

这给了我：

user_id	timestamp	type	session	prods	loyalty
9EPWZVMNP6D6KWX	1612139269	productDetails	0	4	0
9EPWZVMNP6D6KWX	1612139665	productDetails	1	1	0
9EPWZVMNP6D6KWX	1612139579	checkout:confirmation	2	0	0
9EPWZVMNP6D6KWX	1612141096	checkout:confirmation	3	4	0
9EPWZVMNP6D6KWX	1612143046	productList	4	2	0
9EPWZVMNP6D6KWX	1612143729	checkout:confirmation	5	2	0

frequent_visiotr 和 first_time_visitor 的第一个条件：

test_df['loyalty'] = np.where((test_df['session'] > 0) & ((test_df['type'] != 'checkout:confirmation')), 'frequent_visitor', None)
test_df.loc[test_df['session'] == 0, 'loyalty'] = 'first_time_visitor'

这给了我：

user_id	timestamp	type	session	prods	loyalty
9EPWZVMNP6D6KWX	1612139269	productDetails	0	4	first_time_visitor
9EPWZVMNP6D6KWX	1612139665	productDetails	1	1	frequent_visitor
9EPWZVMNP6D6KWX	1612139579	checkout:confirmation	2	0	0
9EPWZVMNP6D6KWX	1612141096	checkout:confirmation	3	4	0
9EPWZVMNP6D6KWX	1612143046	productList	4	2	frequent_visitor
9EPWZVMNP6D6KWX	1612143729	checkout:confirmation	5	2	0

现在这是我卡住的地方，我需要 first_time_customer、repeat_customer 和loyal_customer 的条件。上面描述了这些条件的规则。我希望最终数据框看起来像这样：

user_id	timestamp	type	session	prods	loyalty
9EPWZVMNP6D6KWX	1612139269	productDetails	0	4	first_time_visitor
9EPWZVMNP6D6KWX	1612139665	productDetails	1	1	frequent_visitor
9EPWZVMNP6D6KWX	1612139579	checkout:confirmation	2	0	first_time_customer
9EPWZVMNP6D6KWX	1612141096	checkout:confirmation	3	4	repeat_customer
9EPWZVMNP6D6KWX	1612143046	productList	4	2	frequent_visitor
9EPWZVMNP6D6KWX	1612143729	checkout:confirmation	5	2	loyal_customer

Answer 1

这主要是一个映射练习，所以我会做几个让你做剩下的事情。

def determine_loyalty(data: Series) -> str:
  if data["session"] == 0:
    return "first_time_visitor"
  elif data["session"] > 0 and data["count_session_products"] > 0:
    return "frequent_visitor"


df = DataFrame([{session:0,count_session_products:0},{session:2,count_session_products:6}]) # your dataframe
df["loyalty"] = df.apply(lambda x: determine_loyalty(x))

这会给你：

print(df)
   session  count_session_products             loyalty
0        0                       0  first_time_visitor
1        2                       6    frequent_visitor

现在，如果您只想要新客户，您可以这样做：

first_time_customers: DataFrame = df[df["loyalty"] == "first_time_visitor"]

字符串过滤肯定比 int/bool 比较慢，所以我强烈建议您提供应用程序知道模型含义的数据帧级别。例如：

class LoyaltyLevels(Enum):
    FIRST_TIME_VISITOR=1
    FREQUENT_VISITOR=2



# change determine_loyalty to give integer values instead
def determine_loyalty(data: Series) -> str:
  if data["session"] == 0:
    return LoyaltyLevels.FIRST_TIME_VISITOR.value
  elif data["session"] > 0 and data["count_session_products"] > 0:
    return LoyaltyLevels.FREQUENT_VISITOR.value


# now we can filter using the integer value

first_time = df[df["loyalty"] == LoyaltyLevels.FIRST_TIME_VISITOR.value]