本次使用的数据为2019年客户订单数据,数据详情如下:
该数据有订单日期,用户名以及订单金额。调用.info()来查看数据的大概信息。
import pandas as pd
data = pd.read_csv('2019年用户订单数据.csv')
print(data.info())
在校对完、清理完数据后,我们就可以计算该公司客户RFM值了。
R:我们可以用2019年最后一天减去某用户最后一次订单日期获得。
F:我们可以统计用户出现的频率来获得。
M:我们可以计算某用户订单金额的总量来获得。
data['订单日期'] = pd.to_datetime(data['订单日期']) #转换日期格式
data_rfm = data.groupby('用户名').agg({
'订单日期': lambda x: (pd.to_datetime('2019-12-31')-x.max()).days, #计算R
'用户名': lambda x: len(x), #计算F
'订单金额': lambda x: x.sum() #计算M
})
在计算完客户RFM值之后,我们就需要根据RFM对客户进行评估。
客户类型 |
R |
F |
M |