使用pandas做会员的RFM分析

最近事情不多，琢磨着做点脚本玩玩，因为我是做会员的，就想着把会员常用的RFM模型做出来。首先准备数据，我让同事导了近半年的会员积分消费表格。

拿到表格后先处理了一下需要的信息，RFM逻辑其实就是在一定时间内根据会员的消费总额，最近一次消费日期和消费频次进行聚类，为了简单一些，我先提取自己需要的列，然后改一下字段名。

改完有用的字段是：'会员ID', '时间', '订单状态', '累加或扣减', '订单金额', '积分额', '备注'

拿来分析了一下数据，发现很多拆分的订单（我们系统记录的是分订单，一个消费可能分成好多个订单），所以需要按照日期，一天内的订单只计一个订单（这是数据的问题，如果是正常的订单不需要这一步）。

然后是对数据进行清洗，因为我这是生产系统的数据，没有空值，略过这一步，我只做了对时间格式的处理和对无效订单的处理。

然后是对表格进行透视，提取会员-订单量，会员—最近消费日期，会员-消费金额

最后就是对这几个表的数据进行排序，打标签，我每个表格打了9个标签，按照优先级从9打到1的，打完标签将表格合并起来，最后根据标签值提取需要的数据，完成。

以下是代码：

import numpy as np

import pandas as pd

# 读取文件,所有文件为字符串

df = pd.read_csv('RFMdoc//test.csv', encoding='gbk', dtype=str)

# 提取有效列

df = df[['会员ID', '时间', '订单状态', '累加或扣减', '订单金额', '积分额', '备注']]

# 更改时间列为年月日

df1 = pd.to_datetime((df['时间'])).dt.strftime('%Y-%m-%d ')

# 删除DF的时间列

del df['时间']

# 将处理过的时间列拼接回去df

df2 = pd.concat([df, df1], axis=1)

# 剪除订单状态为非已处理的订单

df3 = df2[df2.订单状态 == '已处理']

# 将积分列字符串变更为数值

df3['积分额'] = df3['积分额'].astype('float')

# 第一步将会员id和时间进行透视，每天的所有订单作为一个订单

df5 = pd.pivot_table(df3, index=['会员ID', '时间'], values='积分额', aggfunc=np.sum)

# print(df5)

# df.to_excel('rusult时间.xlsx')

# 第二步骤是，提取会员9个月内的订单数量,得到会员-订单数量 表格

df6 = pd.pivot_table(df5, index='会员ID', values='积分额', aggfunc={'积分额': 'count'})

# 对会员订单量表格进行排序

# 对表格进行排序，输出排序后的表格

def sort_df(dfx, number, name, col_name):

# 获取行数

col_df6 = dfx.shape[0]

# print(col_df6)

# 生成df_paixu

list = []

y = 0

for i in range(1, 10):

for x in range(y, i * col_df6 // number):

list.append(i)

y += 1

# 将list转化为df数据

# dfx_list = pd.DataFrame(list)

# 对dfx进行排序，按照列名排序

dfx_sorted = dfx.sort_values(col_name)

# 对排序后的列打标签

dfx_sorted[name] = list

return dfx_sorted

# print(df6)

# 第三部是提取会员距离最近的订单时间，计算距离3月7日有多少天，并排序

# 按照时间对原表排序

df7 = df3.sort_values('时间')

# 按照会员id删除重复项，保留距离最近的行

df7 = df7.drop_duplicates('会员ID', keep='last')

# 第四部是会员消费的金额

df8 = pd.pivot_table(df3, index='会员ID', values='积分额', aggfunc=np.sum)

# 以上每个维度截取九个level，然后合并表格，得到会员，9个月订单，距离今天时间，消费总额 的结果表格

df_number = sort_df(df6, number=9, name='数量排序', col_name='积分额')

df_time = sort_df(df7, number=9, name='时间排序', col_name='时间')

df_amount = sort_df(df8, number=9, name='金额排序', col_name='积分额')

df9 = pd.merge(df_number, df_time, on=['会员ID'])

df9 = pd.merge(df9, df_amount, on=['会员ID'])

# 提取df9的排序列

df9 = df9[['会员ID', '数量排序', '时间排序', '金额排序']]

# 首先将999提取出来，然后提取大于8的，然后是大于6的，然后是大于3的，最后是小于等于3的。

# 输入三个数值，提取大于这几个数值的所有数据

def get_excel(df, number_no, time_no, amount_no):

dfx = df[df['数量排序'] >= number_no]

dfx = dfx[dfx['时间排序'] >= time_no]

dfx = dfx[dfx['金额排序'] >= amount_no]

return(fdx)

get_excel(df9, 9, 9, 9)