熊猫产品分析根据购买获得对

Question

这是我的数据框的一个示例：

df.head(10) 

 , customer_id  order_id,        product,         purchased_at
 0,   2,        2000,               B,         2021-05-01 21:51:13
 1,   1,        1996,               A,         2021-04-06 13:02:37
 2,   1,        2540,               B,         2021-05-06 16:02:37
 3,   4,        4514,               C,         2021-04-05 10:55:18
 4,   4,        4560,               D,         2021-04-10 11:56:18
 5,   5,        6899,               Y,         2021-04-07 09:53:45
 6,   2,        7891,               A,         2021-04-07 09:59:21
 7,   2,        8120,               B,         2021-06-04 09:19:41
 8,   3,        9423,               Z,         2021-03-28 15:34:29
 9,   3,        9423,               X,         2021-03-28 15:34:29
           ...            ...              ....

我想为每个客户获取哪个产品导致另一个产品，然后计算对之间的间隔，例如： 客户 1 在他的第一个订单中购买了产品 A，然后在他的第二个订单中购买了产品 B。所以产品 A 导致产品 B (A-> B) 是一对。然后计算平均间隔。

我需要您的帮助来找到最佳方法，以实现我已经解释过的内容，以及显示输出的最佳方法，以便计算这些对之间的平均间隔以及一个库以将其可视化。提前致谢。

Answer 1

result= pd.DataFrame()
df.purchase_at = pd.to_datetime(df.purchase_at)
df = df.sort_values(by='purchase_at')
unique_customers = df.customer_id.unique()
result = pd.DataFrame()
for customer in unique_customers:
    temp = df[df.customer_id == customer].copy()
    if len(temp) > 1:
        temp['previous_sale'] = temp['product'].shift()
        temp['previous_order_id'] = temp['order_id'].shift()
        temp['previous_sale_date'] = temp['purchase_at'].shift()
        temp['time_diff'] = temp.purchase_at.diff()
        result = result.append(temp[1:])