计算经常性客户

Question

我正在分析一家商店的销售数据，并想计算在下个月变成回头客的“首次订购客户”的百分比。

我有一个包含所有订单的 DataFrame。如果这是他/她的第一个订单，这包括客户 ID、日期和标志。这是我的数据：

import pandas as pd 

data = {'Name': ['Tom', 'nick', 'krish', 'Tom'], 
        'First_order': [1, 1, 1, 0], 
        'Date' :['01-01-2018', '01-01-2018', '01-01-2018', '02-02-2018']} 

df = pd.DataFrame(data) 

我现在将在 1 月份创建一个所有新客户的列表，并在 2 月份创建一个所有经常性客户的列表，然后加入他们。然后我有两个数字可以用来计算百分比。

但我不知道，如何在不遍历数据框的情况下计算一整年的滚动。有没有一种不错的 pandas/python 方法可以做到这一点？

目标是创建一个新的数据框，其中包含月份和上个月的回头客百分比。

Answer 1

一个想法是接受 1 月至 11 月的所有订单，并有一个“reccurr”列，根据该客户是否在下个月订购，它会为您提供真/假。然后，您可以使用包含真/假计数/总和的每月 groupby 并添加一个给出比率的列。

编辑：在此之前您可能需要转换日期：

df.Date = pd.to_datetime(df.Date)

然后：

df['month'] = df['Date'].apply(lambda x: x.month) #this is for simplicity's sake, not hard to extend to MMYYYY
df1 = df[df.month != 12].copy() #now we select everything but Nov
df1 = df1[df1.First_order == 1].copy() #and filter out non-first orders
df1['recurr'] = df1.apply(lambda x: True if len(df[(df.month == x.month + 1)&(df.Name == x.Name)])>0 else False, axis=1) #Now we fill a column with True if it finds an order from the same person next month
df2 = df1[['month','Name','recurr']].groupby('month').agg({'Name':'count','recurr':'sum'})

此时，对于每个月，“名称”列都有第一个订单的数量，“重复”列有下个月再次订购的数量。一个简单的额外列为您提供百分比：

df2['percentage_of_recurring_customer'] = (df2.recurr/df2.Name)*100

编辑：对于任意数量的日期，这是一个笨拙的解决方案。选择一个开始日期并将当年的 1 月用作第 1 个月，然后按顺序编号之后的所有月份。

df.Date = pd.to_datetime(df.Date)
start_year = df.Date.min().year
def get_month_num(date):
    return (date.year-start_year)*12+date.month

现在我们有了转换日期的函数，代码稍作改动：

df['month'] = df['Date'].apply(lambda x: get_month_num(x))
df1 = df[df.First_order == 1].copy()
df1['recurr'] = df1.apply(lambda x: True if len(df[(df.month == x.month + 1)&(df.Name == x.Name)])>0 else False, axis=1)
df2 = df1[['month','Name','recurr']].groupby('month').agg({'Name':'count','recurr':'sum'})

最后，您可以创建一个函数将您的月份数字还原​​为日期：

def restore_month(month_num):
    year = int(month_num/12)+start_year #int rounds down so we can do this.
    month = month_num%12 #modulo gives us month
    return pd.Timestamp(str(year)+'-'+str(month)+'-1') #This returns the first of that month
df3 = df2.reset_index().copy() #removing month from index so we can change it.
df3['month_date'] = df3['month'].apply(lambda x: restore_month(x))