天池新人实战赛o2o优惠券使用预测二

昨天直接提交的随机数据已经实现了整个提交测试流程，下面开始认真的思考问题了：

首先观察训练数据：

data = pd.read_csv('ccf_offline_stage1_train.csv')

print(data.head())
print(data.shape[0])
print(data.shape[1])

最终发现数据有：1754884行

其中有很多Coupon_id为null的数据。我们做的是优惠券使用预测，可是这些数据都没有用优惠劵，所以，首先将这些数据挑选出来。

data2 = data[data['Coupon_id'] == "null"]
print(data2.head())
print(data2.shape[0])
print(data2.shape[1])

最终发现null数据有：701602行，保存为.csv备用

data1.to_csv('ccf_offline_stage1_train_NoNull.csv',index=False,header=True)

不为null数据有：1053282行，保存为.csv备用

data2.to_csv('ccf_offline_stage1_train_Null.csv',index=False,header=True)

先看下null数据集合：

data = pd.read_csv('ccf_offline_stage1_train_Null.csv')
print(data.head())
print(data.shape[0])
print(data.shape[1])

结果出现错误：意思就是data没有null的

FutureWarning: elementwise comparison failed

这个是什么鬼？可能原因：

1）没有领取优惠券的全部消费了？

2）阿里提供数据的时候提供的都是消费数据，因为没有领取优惠劵，也没有实际消费的，在阿里不可能留下数据！

所以，我们在预测的时候，如果没有领取优惠券，可以直接预测为消费！（查看了test数据，不可能出现这种情况！）

再看下nonull数据集合

data = pd.read_csv('ccf_offline_stage1_train_NoNull.csv')
print(data.head())
print(data.shape[0])
print(data.shape[1])

取出负样本：没有消费的数据：

data2 = data[data['Date'] == "null"]
print(data2.head())
print(data2.shape[0])
print(data2.shape[1])

data2.to_csv('ccf_offline_stage1_train_N.csv',index=False,header=True)

发现负样本：977900个

同样取出正样本：

data1 = data[data['Date'] != "null"]
print(data1.head())
print(data1.shape[0])
print(data1.shape[1])
data1.to_csv('ccf_offline_stage1_train_P.csv',index=False,header=True)

正样本：75382个

那么平均的使用率为75382/1053282=0.071569