筛选某店铺最有价值用户中消费最多前5名

描述

题目描述：

现有某店铺会员消费情况sales.csv。包含以下字段：

• user_id：会员编号；
• recency：最近一次消费距离当天的天数；
• frequency：一段时间内消费的次数；
• monetary：一段时间内消费的总金额。

请你统计最有价值的用户中消费金额最多的前5名用户。

输入描述：

数据集可以从当前目录下sales.csv读取。

输出描述：

请你先对每个用户销售情况的每个特征进行评分，分值为1-4分。再将所有评分拼接到一起形成新的列RFMClass。

评分规则如下： 对于recency特征，值越小越好。对于frequency和monetary值越大越好。如对于recency：

• 数值小于等于下四分位数则评为4分；
• 大于下四分位数并且小于等于中位数则评为3分；
• 大于中位数且小于等于上四分位数则评为2分；
• 大于上四分位数则评为1分。

对于frequency和monetary则方法刚好相反。

请你输出评分后的数据的前5行并输出最有价值的用户（评分为“444”）中销售总金额最高的前5位(索引从0开始)，以上数据集的输出如下图所示（两次输出之间有一个空行）。 

解答

import pandas as pd 
sales = pd.read_csv('sales.csv')

def get_score(x,df,loc,big_better = True):
    q1 = df[loc].quantile(0.25)
    q2 = df[loc].quantile(0.50)
    q3 = df[loc].quantile(0.75)

    if big_better == True:
        if x >= q3:
            return 4
        elif x >= q2:
            return 3
        elif x >=q1:
            return 2
        else:
            return 1
    else:
        if x >= q3:
            return 1
        elif x >= q2:
            return 2
        elif x >=q1:
            return 3
        else:
            return 4

sales['R_Quartile'] = sales['recency'  ].apply(lambda x:get_score(x,sales,'recency',False)).astype(str)

sales['F_Quartile'] = sales['frequency'].apply(lambda x:get_score(x,sales,'frequency',True)).astype(str)

sales['M_Quartile'] = sales['monetary' ].apply(lambda x:get_score(x,sales,'monetary',True)).astype(str)

sales['RFMClass'] = sales['R_Quartile']+sales['F_Quartile']+sales['M_Quartile']

print(sales[['user_id','recency','frequency','monetary','RFMClass']].head(5))

result = sales[sales['RFMClass']=='444'].sort_values('monetary',ascending= False)
print(result[['user_id','recency','frequency','monetary','RFMClass']].reset_index(drop=True).head(5))