如何将记录从两个类别重新分类到四个类别

Question

我有一个 pandas 数据框，其中包含数百万客户的产品名称 [a, b, c, d, e, f, j, h, i, j, k, l]。 对于每个产品，数据报告客户在当月使用该产品（以 1 表示）或未使用（以 0 表示）。

客户的原始分类：1为使用，0为不使用
我想将产品用途重新分类为四类：

S：二手
M：维持使用（在随后的几个月中使用）
N：没用过
D：保持不使用（连续几个月不使用）

原始数据如下所示：

+-------------+-------+---+---+---+---+---+---+---+---+---+---+---+---+
| Customer_ID | Month | a | b | c | d | e | f | j | h | i | j | k | l |
+-------------+-------+---+---+---+---+---+---+---+---+---+---+---+---+
| 19509       | Jan   | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 |
| 19509       | Feb   | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 |
| 19509       | Mar   | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 |
| 19509       | Apr   | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 |
| 19509       | May   | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 |
| 19509       | Jun   | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 |
| 19509       | Jul   | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 |
| 19509       | Aug   | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 |
| 19509       | Sep   | 1 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 0 |
| 19510       | Jan   | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 |
| 19510       | Feb   | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 |
| 19510       | Mar   | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 |
| 19510       | Apr   | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 |
| 19510       | May   | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 |
| 19510       | Jun   | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 |
| 19510       | Jul   | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 |
| 19510       | Aug   | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 |
| 19510       | Sep   | 1 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 0 |
| 19511       | Jan   | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 |
| 19511       | Feb   | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 |
| 19511       | Mar   | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 |
| 19511       | Apr   | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 |
| 19511       | May   | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 |
| 19511       | Jun   | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 |
| 19511       | Jul   | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 |
| 19511       | Aug   | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 |
| 19511       | Sep   | 1 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 0 |
+-------------+-------+---+---+---+---+---+---+---+---+---+---+---+---+

我想将客户重新分类为四个类别，以考虑那些保持使用或保持几个月不使用的客户。

结果应如下所示：

+-------------+-------+---+---+---+---+---+---+---+---+---+---+---+---+
| Customer_ID | Month | a | b | c | d | e | f | j | h | i | j | k | l |
+-------------+---+---+---+---+---+---+---+---+---+---+---+---+---+---+
| 19509       | Jan   | S | N | S | N | N | S | N | S | N | S | S | N |
| 19509       | Feb   | M | N | N | D | D | M | D | M | D | N | M | D |
| 19509       | Mar   | M | S | S | D | D | M | D | M | D | S | M | D |
| 19509       | Apr   | N | M | N | S | D | M | D | M | D | N | N | D |
| 19509       | May   | D | N | D | M | S | M | D | M | D | D | D | D |
| 19509       | Jun   | D | D | D | M | N | M | D | M | D | D | D | D |
| 19509       | Jul   | S | S | S | N | D | M | D | M | D | S | S | D |
| 19509       | Aug   | N | M | N | D | D | M | D | N | D | N | N | D |
| 19509       | Sep   | S | M | S | S | D | M | D | D | S | S | S | D |
| 19510       | Jan   | S | N | S | N | N | S | N | S | N | S | S | N |
| 19510       | Feb   | M | N | N | D | D | M | D | M | D | N | M | D |
| 19510       | Mar   | M | S | S | D | D | M | D | M | D | S | M | D |
| 19510       | Apr   | N | M | N | S | D | M | D | M | D | N | N | D |
| 19510       | May   | D | N | D | M | S | M | D | M | D | D | D | D |
| 19510       | Jun   | D | D | D | M | N | M | D | M | D | D | D | D |
| 19510       | Jul   | S | S | S | N | D | M | D | M | D | S | S | D |
| 19510       | Aug   | N | M | N | D | D | M | D | N | D | N | N | D |
| 19510       | Sep   | S | M | S | S | D | M | D | D | S | S | S | D |
| 19511       | Jan   | S | N | S | N | N | S | N | S | N | S | S | N |
| 19511       | Feb   | M | N | N | D | D | M | D | M | D | N | M | D |
| 19511       | Mar   | M | S | S | D | D | M | D | M | D | S | M | D |
| 19511       | Apr   | N | M | N | S | D | M | D | M | D | N | N | D |
| 19511       | May   | D | N | D | M | S | M | D | M | D | D | D | D |
| 19511       | Jun   | D | D | D | M | N | M | D | M | D | D | D | D |
| 19511       | Jul   | S | S | S | N | D | M | D | M | D | S | S | D |
| 19511       | Aug   | N | M | N | D | D | M | D | N | D | N | N | D |
| 19511       | Sep   | S | M | S | S | D | M | D | D | S | S | S | D |
+-------------+-------+---+---+---+---+---+---+---+---+---+---+---+---+

执行它的算法似乎很复杂，我仍在考虑执行它的适当顺序。

我想为所有客户和所有产品（列）做这件事，我认为我们可以这样开始：

for i in customer_ID:
  for j in df.columns:

注意：这个case不是use and nonuse case，而是join(1)、cancel(0)、keep idle(0)和if againjoin(1)等等。所以当它为零时，意味着客户取消了服务，当它在接下来的三个月内为零时，意味着他不是客户，然后他加入了，他再次取消，我们应该知道他取消了多少次服务.如果我们只计算总数，它不会告诉我们客户加入了多少次以及取消了多少次特定产品或服务。

感谢任何解决此问题的建议或想法。

Answer 1

为了简单起见，我解释了如何为一个客户和一个产品做这件事，然后你可以为每个客户和列做这个：

1. 查找最早的条目（如果您在 11 月执行此操作，那么您可以从查找 12 月、1 月、2 月等的值开始，直到找到一个）并应用新值：

   • 0 => N
   • 1 => S

2. 对于下一个（最多 11 个）条目，您将根据前一个值应用值以及此处表示为 f(old, val) 的列中的内容：

   • f(N,0) => D
   • f(N,1) => S
   • f(S,0) => N
   • f(S,1) => M
   • f(M,0) => N
   • f(M,1) => M
   • f(D,0) => D
   • f(D,1) => S

在这种情况下，这可以简化（N/D 和 S/M 产生相同的结果，查看前一个值而不是前一个状态就足够了），但如果您有更复杂的状态转换，那么它也许不能，所以我写出来展示这个想法。

Answer 2

提示：

Prefix sum:

• 如果不断增加 - 使用
• 如果增长缓慢超过一段时间，但到 12 月，总金额超过阈值 - 维持使用

剩下的你自己想办法。

Kadane's algoritm - 最大子数组 - 如果您将 +1 标记为使用，-1 为未使用，这将告诉您使用比不使用普遍存在的时期的最大长度。