阿里天池O2o优惠券预测思路

1. 读取数据集。dfoff, dftest ,dfon没用上。

2. 查看dfoff（训练集）的信息，描述等。

3. 查看dfoff数据集中，使用优惠券购买商品的条数，没使用优惠券购买商品的条数，
   有优惠券却不购买商品的条数，没有优惠券也不购买商品的条数

4. 处理 Discount_rate这个特征。
   Discount_rate列，查看类型，发现有三类表示形式。
   4.1：若折扣率类型为‘null’，表示没有折扣率，返回null
   4.2：若折扣率类型中有‘:’，表示为满多少减多少，返回1
   4.3：否则折扣率类型就为‘0.9’这种，返回0

5. 把这三种类型统一转化为小数表示的折扣率
   5.1：若折扣率类型为‘null’，表示没有折扣率，返回1.0
   5.2：若折扣率类型中有‘:’， 表示为满多少减多少，返回1.0-float(减去的值)/float(满值)
   5.3：否则折扣率类型就为‘0.9’这种，返回它本身。

6. 把原来的Discount_rate列.apply上面的转换函数，得到新的discount_rate列。
   把原来的Discount_rate列.apply上面的返回类型函数，得到新的discount_type列。

7. 把距离列df[‘Distance’]中为空的值 替换为-1。替换后列名为df[‘distance’]

8. 查看优惠券收到的日期和优惠券使用的日期。
   8.1：收到优惠券表示Date_received列不为空，用sorted升序排列，
   新的列名为date_received
   8.2：使用优惠券表示Date列不为空，用sorted升序排列，
   新的列名为date_buy
   8.3：打印优惠券收到日期范围data_received[0]到data_received[-1]，以及使用范围。

9. 查看每一天，顾客收到coupon的数目，以及收到coupon后使用coupon的数目
   查看两列，一列是收到优惠券的日期，一列是使用优惠券的日期
   9.1：当收到优惠