使用 pandas 计算收入流失

Question

假设我有一个 pandas 数据框，df：

cust | year | revenue
1 | 2013 | 100
1 | 2013 | 50
2 | 2013 | 70
2 | 2015 | 10
3 | 2016 | 10
3 | 2019 | 65
... 

我希望能够计算停止开展业务的客户的收入损失。例如，由于 1 号客户在 2013 年之后停止了业务，我们可以说 2014 年的流失率为 50 美元。

我想按年份获取所有流失收入（损失收入）的总和。输出将类似于：

YEAR
2013 0
2014 150
2015 0
2016 10
2017 0
2018 0
2019 0
2020 65

我目前的逻辑如下：从每个客户的最大年份/最新交易中获取收入，并将所有这些值按年份分组。

Answer 1

这个问题被描述为诱使人们将“流失”视为一种二元条件：客户要么继续与您的公司开展业务，要么不与您的公司开展业务。 但是，您仍然想知道当客户停止与您的公司开展业务时您将损失多少钱，然后将输出从二进制变量更改为数字变量。

我按客户逐年计算了流失率，然后汇总了整个公司每年的所有收入变化，我认为这将解决您的问题。

我使用了这个合成数据：

import numpy as np
import pandas as pd

# Sets random seed
np.random.seed(42)

# Sample size
size= 10**3

# Creates customers series
unique_customers = np.arange(1, 51)

customers = [unique_customers[i] for i in
             np.random.randint(low=0, high=len(unique_customers), size=size)]

# Creates date series
unique_dates = pd.date_range(start="2013-01-01", end="2017-12-31", freq="D")

unique_years = unique_dates.year.unique()

dates = [unique_dates[i] for i in
         np.random.randint(low=0, high=len(unique_dates), size=size)]

# Creates revenues series
unique_revenues = [100, 50, 70, 10, 65]

revenue = [unique_revenues[i] for i in
           np.random.randint(low=0, high=len(unique_revenues), size=size)]

# Creates Pandas DataFrame
data = (pd.DataFrame({'Customer': customers,
                     'Date': dates,
                     'Revenue': revenue})
        .set_index('Date')
        .sort_index())

# Randomly sets customers revenues to zero
rem_customers = set([unique_customers[i] for i in
                     np.random.randint(low=0, high=len(unique_customers), size=10)])

for cust in rem_customers:
    rem_year = unique_years[np.random.randint(low=2, high=len(unique_years), size=1)].values[0]
    data.loc[(data.index.year >= rem_year) & (data['Customer'] == cust), "Revenue"] = np.nan

这是数据集的样子：

            Customer  Revenue
Date                         
2013-01-01        36    100.0
2013-01-03         1     10.0
2013-01-03        47     50.0
2013-01-04        28     10.0
2013-01-04        25     65.0

为了说明问题，我故意将某些客户的收入在给定日期后设置为零。

您可以使用groupby() 定义聚合级别，diff() 用于计算给定聚合级别的收入损失，resample() 用于将时间序列频率从每天更改为每年。

# Calculates revenue by customer
revenue_by_customer = data.groupby([pd.Grouper(freq='AS'),'Customer']).sum()

# Calculates the change in revenue by customer year on year
diff_revenue_by_customer = (
revenue_by_customer.groupby(['Customer'])
.diff(1)
.rename(columns={'Revenue':'Revenue_change'})
)

# Calculates total change in revenue year on year
diff_revenue_per_year = diff_revenue_by_customer.droplevel(1).resample('AS').sum()

客户 #40 已在 2014 年之后停止与该公司开展业务，他们的记录如下所示：

revenue_by_customer.xs(40, level=1, drop_level=False)

>>                      Revenue
>> Date       Customer         
>> 2013-01-01 40          285.0
>> 2014-01-01 40          195.0
>> 2015-01-01 40            0.0
>> 2016-01-01 40            0.0
>> 2017-01-01 40            0.0

diff_revenue_by_customer.xs(40, level=1, drop_level=False)

>>                       Revenue_change
>> Date       Customer         
>> 2013-01-01 40            NaN
>> 2014-01-01 40          -90.0
>> 2015-01-01 40         -195.0
>> 2016-01-01 40            0.0
>> 2017-01-01 40            0.0

当我们将每年的收入变化相加时，结果表如下：

diff_revenue_per_year.head()

>>             Revenue_change
>> Date               
>> 2013-01-01      0.0
>> 2014-01-01  -2490.0
>> 2015-01-01   2255.0
>> 2016-01-01  -1545.0
>> 2017-01-01  -1305.0

您也可以仅将损失的收入逐年相加，代码如下：

lost_revenue_per_year = (
    diff_revenue_by_customer
    .loc[diff_revenue_by_customer['Revenue_change']<0]
    .droplevel(1)
    .resample('AS')
    .sum()
    .rename(columns={'Revenue_change':'Lost_revenue'})
    )

lost_revenue_per_year.head()

>>             Lost_revenue
>> Date                    
>> 2014-01-01       -4935.0
>> 2015-01-01       -2725.0
>> 2016-01-01       -4290.0
>> 2017-01-01       -3995.0