pandas练习_同期群分析(Cohort Analysis)

1. 同期群分析理论回顾

参考 https://www.jianshu.com/p/145a13355fa1

2. 构造练习数据(Excel)

我们设计一份数据, 2019年期间某店铺的成交订单明细, 包含以下4个字段:

这里使用Excel中的rand函数, 来构造随机数据, 具体操作略(用户id需要重复)
最终, 获取10万条随机的数据

3. 数据处理思路

1. 生成每月新增用户明细
2. 生成每个月份的用户明细
3. 将上面生成的数据按用户id关联生成总表
4. 总表按月份聚合
5. 调整格式

4. 用pandas实现整个处理过程

1. 导入相关模块, 并加载数据
   
   date已经是datetime格式了
   

2. 需要按月份来做同期群分析, 所以新增一列, 这里就简单取该日期的1号
   用到了datetime模块中date类的replace方法
   

3. 生成每月新增的用户明细
   用pandas中的groupby, 按user_id取dt最小值聚合, 最后加reset_index()是为保留dataframe格式
   

4. 生成每个月的客户明细(以2019-02为例)
   df.loc切片, datetime.date()构造日期
   

5. 用merge关联df_00 与 df_1902
   

6. 最终重复4.5步骤
   

7. 重复的工作让电脑去做, 定义一个函数, 参数是dataframe
   
   

8. 通过序号的循环, 生成最终符合格式的数据
   

5. 其他思路与方法

待补充