数据分析（二十六）

25.数理统计技术

25.1 客户的标签

分类：基础标签，统计标签，模型标签

• 基础的客户标签：性别，年龄，职业，可以从原始数据中直接获取的
• 统计标签：原始数据中汇总得到的，比如客户的价值标签
• 模型标签：基础标签，统计标签和已经存在的模型经过构建数据挖掘模型得到的，比如说数据的流失概率，违约概率

25.2 RFM模型

• R：最后一次消费的时间（最新消费时间）

  可以代表用户的流失可能性，消费时间越久远，说明顾客的流失可能性越高

• F：一段时间内的消费的频次

  可以代表挖掘潜力

• M：一段时间内消费的总金额

  可以代表顾客的价值

>>> trad=pd.read_csv('RFM_TRAD_FLOW.csv',encoding='gbk')
  	   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
...		 ...	 ...		  ...			...			...		  ...       
26660	14562	40300	19JUL09:13:51:45	0.0			赠送		Presented
26661	40348	40300	22JUN10:15:42:43	0.0			赠送		Presented
26662 rows × 6 columns            

>>> import time
# 将非标准的字符串时间转成指定的标准的时间展示，然后再转成时间戳便于以后的计算
>>> trad.loc[:,'time']=trad.loc[:,'time'].map(lambda x:time.mktime(
    										time.strptime(x,'%d%b%y:%H:%M:%S')))
>>> trad
  	   transID	cumid	     time		   amount	type_label	  type
0		9407	10001	  1.244974e+09  	199.0	    正常		Normal
1		9625	10001	  1.245136e+09	  	369.0	    正常		Normal
2		11837	10001	  1.246431e+09		369.0	    正常		Normal
...		 ...	 ...		  ...			...			...		  ...       
26660	14562	40300	  1.247983e+09		0.0			赠送		Presented
26661	40348	40300	  1.277193e+09		0.0			赠送		Presented
26662 rows × 6 columns 

>>> for name,obj in trad.groupby('type_label'):
...     print(name)
正常
特价
赠送
退货

# 按照每个用户每个销售类型进行分组，查找最近的消费时间
>>> R = trad.groupby(['cumid','type_label'])[['time'