交易数据分析

Question

我有一个交易的数据帧（15K行）：

customer_id order_id order_date var1 var2 product_id \ 
     79 822067 1990-10-21  0  0  51818 
     79 771456 1990-11-29  0  0  580866 
     79 771456 1990-11-29  0  0  924147 
     156 720709 1990-06-08  0  0  167205 
     156 720709 1990-06-08  0  0  132120 

    product_type_id designer_id gross_spend net_spend 
       139   322  0.174  0.174 
       139   2366  1.236  1.236 
       432   919  0.205  0.205 
       474   4792  0.374  0.374 
       164   2243  0.278  0.278 

我想组由product_type_id和为每个客户事务的时间仓。要更清楚地了解每个customer_id我想知道客户在过去30,60,90,120,150,180,360天中从同一类别购买了多少次（从1991-01-01开始例如）。

对于每一位顾客，我还希望他有多少总购买量，他从多少个不同的不同product_type_id中购买了总net_spend。

这是我不清楚如何减少数据作为平板大熊猫数据帧，每customer_id一行....

我能与像一个simplifiead观点：

transactions['order_date'] = transactions['order_date'].apply(lambda x: dt.datetime.strptime(x,"%Y-%m-%d")) 

NOW = dt.datetime(1991,01,01) 

Table = transactions.groupby('customer_id').agg({ 'order_date': lambda x: (NOW - x.max()).days,'order_id': lambda x: len(set(x)), 'net_spend': lambda x: x.sum()}) 

Table.rename(columns={'order_date': 'Recency', 'order_id': 'Frequency', 'net_spend': 'Monetization'}, inplace=True) 

Answer 1

用途：

date = '1991-01-01' 
last = [30,60,90] 

#get all last datetimes shifted by last 
a = [pd.to_datetime(date)- pd.Timedelta(x, unit='d') for x in last] 


d1 = {} 
#create new columns by conditions with between 
for i, x in enumerate(a): 
    df['last_' + str(last[i])] = df['order_date'].between(x, date).astype(int) 
    #create dictionary for aggregate 
    d1['last_' + str(last[i])] = 'sum' 

#aggregating dictionary 
d = {'customer_id':'size', 'product_type_id':'nunique', 'net_spend':'sum'} 
#add d1 to d 
d.update(d1) 
print (d) 
{'product_type_id': 'nunique', 'last_30': 'sum', 'net_spend': 'sum', 
'last_60': 'sum', 'customer_id': 'size', 'last_90': 'sum'} 

df1 = df.groupby('customer_id').agg(d) 

#change order of columns if necessary  
cs = df1.columns 
m = cs.str.startswith('last') 
cols = cs[~m].tolist() + cs[m].tolist() 

df1 = df1.reindex(columns=cols) 

---

print (df1) 
      product_type_id net_spend customer_id last_30 last_60 \ 
customer_id                
79       2  1.615   3  0  2 
156      2  0.652   2  0  0 

      last_90 
customer_id   
79     3 
156    0