RFM模型了解和数据实践以及dataframe用sql语句查询

RFM模型基础知识

• R（Recency）：客户最近一次交易时间的间隔。R值越大，表示客户交易发生的日期越久，反之则表示客户交易发生的日期越近。
• F（Frequency）：客户在最近一段时间内交易的次数。F值越大，表示客户交易越频繁，反之则表示客户交易不够活跃。
• M（Monetary）：客户在最近一段时间内交易的金额。M值越大，表示客户价值越高，反之则表示客户价值越低。
  

数据处理实践

• 博客会上传一个csv文件里面是用户的交易信息，包含了订单id，用户id，时间，价格，商品类别等，编码是gbk。
• 文件比较大所以输出只截取前几个
• 本文是处理这个文件并得出rfm模型(并且都使用jupyter notebook)，如果是pycharm输出时加上print即可

读取文件

import pandas as pd
import numpy as np

data = pd.read_csv('RFM_TRAD_FLOW.csv', encoding='gbk')
data

输出（只截了前五个，也可以使用head()方法截取）

	transID	cumid	time	amount	type_label	type
0	9407	10001	14JUN09:17:58:34	199.0	正常	Normal
1	9625	10001	16JUN09:15:09:13	369.0	正常	Normal
2	11837	10001	01JUL09:14:50:36	369.0	正常	Normal
3	26629	10001	14DEC09:18:05:32	359.0	正常	Normal
4	30850	10001	12APR10:13:02:20	399.0	正常	Normal
...

先求R的值

R也就是最近购买的时间，把时间转成时间戳即可

import time
# 转成时间戳
data['time'] = data['time'].map(lambda x:time.mktime(time.strptime(x, '%d%b%y:%H:%M:%S')))
# 分组求出最近时间，也就是时间戳最大的
group_obj = data.groupby(['cumid', 'type_label'])
R = group_obj[['time']].max()
R

输出(截取前几个)：

		time
cumid	type_label	
10001	正常	1.284699e+09
特价	1.255316e+09
赠送	1.284197e+09
退货	1.278766e+09
10002	正常	1.276953e+09
赠送	1.278129e+09
退货	1.252047e+09
...

转透视表

• 转透视表以用户id为行索引，商品类别为列索引
• 会发现有很多NaN数据，这时候要进行数据清理

# 转透视表
r_trans = pd.pivot_table(R,index='cumid',columns='type_label',values='time')
# 处理NaN值，只有这两列有空值
r_trans[['特价','退货']] = r_trans[['特价','退货']].apply(lambda x:x.replace(np.nan,min(x)),axis=0)
# 添加一