【数坊人群计算2.0】

0、前言

前段时间写了个简单的人群计算程序数坊自动人群计算1.0，最近时间比较充裕，所以决定完善一下，增加了多标签的人群计算，增加了广告、已有人群、属性等常用标签，虽然BUG百出，但亲测勉强能用

其实计算逻辑很简单，上传人群逻辑到接口就会返回人群大小，比较复杂的地方主要在于人群逻辑表格的搭建与表格转为可上传的JSON数据，自动圈包也类似只不过接口不同而已

1、搭建逻辑

每一行表示一个标签，每一列表示一个参数，不需要或不限就不填
人群名称相同则视为一个人群包，多标签间运算逻辑通过运算列控制
品牌为不填时会默认为三级类目，品牌不为空时（可任意写，只要不为空值）则默认为品牌*三级类目

人群名称	运算	卡片名称	品牌	类目	开始时间	结束时间	频次	价格	渠道	行为	身份	已有人群	属性
人群1	空	浏览行为	XX	家用电器-大家电-平板电视	2022-04-01	2022-04-15
人群1	交集	购买行为		家用电器-大家电-平板电视	2022-04-01	2022-04-15
人群1	差集	购买行为	XX	家用电器-大家电-平板电视	2022-04-01	2022-04-15
人群2	空	浏览行为	XX	家用电器-大家电-平板电视	2022-04-01	2022-04-15
人群3	空	购买行为		家用电器-大家电-平板电视	2022-04-01	2022-04-15

2、构建卡片DATA

2.0 获取所需ID

需要的ID有用户行为中品牌ID，类目ID，与广告行为中的广告ID

2.0.1 获取品牌&类目ID

通过输入账号cookie自动获取品牌ID，因此逻辑表中可以随便写，但类目要按格式写

def get_core_id(cookie, cate_name): # 拿品牌三级类目id

    cate1 = list(cate_name.split('-'))[0]
    cate2 = list(cate_name.split('-'))[1]
    cate3 = list(cate_name.split('-'))[2]

    url = 'https://4a.jd.com/datamill/api/accountManagement/mainAccountInfoOuter/brandInfo?pageNum=0&pageSize=10'
    headers = {
   
        'user-agent': 'PostmanRuntime/7.28.4',
        "accept": "*/*",
        'cookie': cookie
    }
    txt = requests.get(url, headers=headers).text
    data = json.loads(txt)["result"]["data"][0]
    brand_id = data['brandCode']
    cate_list = data["category"]

    for i in range(30):
        if cate_list[i]["name"] == cate1:
            cate_id1 = cate_list[i]["categoryCode"]
            cate_children = cate_list[i]["children"]
            break

    for j in range(30):
        if cate_children[j]["name"] == cate2:
            cate_id2 = cate_children[j]["categoryCode"]
            cate_grandson = cate_children[j]["children"]
            break

    for k in range(30):
        if cate_grandson[k]["name"] == cate3:
            cate_id3 = cate_grandson[k]["categoryCode"]
            break

    cate_id = str(cate_id1) + "_" + str(cate_id2) + "_" + str(cate_id3)
    id_data = {
   
        "brand_id": brand_id,
        "cate_id": cate_id
    }
    return id_data

2.0.2 获取广告ID

进入人群圈选点击广告行为卡片时后台会弹出一条lineList请求，其中包含数坊权限内全部的广告触点与对应ID，使用EXCEL表中名称全部匹配为ID后组合为一条ID来实现渠道多选

def get_ad_id(cookie, ad_name): # 拿广告id
    name_list = ad_name.split(",")
    ad_id = ''
    url = 'https://4a.jd.com/datamill/api/audienceManagement/newCustomAudienceEditInner/lineList'
    headers = {
   
        'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.159 Safari/537.36',
        'cookie': cookie
    }
    txt = requests.get(url, headers=headers).text
    data_list = json.loads(txt)["result"]["data"]
    for data in data_list:
        if data["name"] in name_list:
            ad_id += str(data["id"])
            ad_id += ','
    return ad_id.rstrip(",")

2.1 购买行为

购买行为设定传入品牌ID、类目ID、时间段（开始时间与结束时间）、频次、价格，
当频次或价格为"不限"时输入为空

def get_order_data(cookie, brand_name, cate_name, start_time, end_time, frequency, price):  # 购买行为
    brand_id = get_core_id(cookie, cate_name)["brand_id"]
    cate_id = get_core_id(cookie, cate_name)["cate_id"]
    data = {
   
            "cardType": "order",
            "cardCode": "300662",
            "type": "behaviorV2",
            "key": "order",
            "screen": "all",
            "dimension": "3" if pd.isnull(brand_name) else "2",
            "brandCode": '' if pd.isnull(brand_name) else str(brand_id),
            "cateList": str(cate_id) if pd.isnull(brand_name