O2O优惠券

对于别人代码的分析逻辑

1. 赛题分析：

本赛题提供用户在2016年1月1日至2016年6月30日之间真实线上线下消费行为，预测用户在2016年7月领取优惠券后15天以内的使用情况。

用户线下消费字段表：User_id、Merchant_id、Coupon_id、Discount_id、Discount_rate、Distance、Date_received、Date (Date=null & Coupon_id != null，表示领取优惠券但没有使用，负样本；如果Date!=null & Coupon_id = null，则表示普通消费日期；如果Date!=null & Coupon_id != null，则表示用优惠券消费日期，即正样本)

用户线上点击\消费和优惠券领取行为:User_id、Merchant_id、Action、Coupon_id、Discount_rate、Date_received、Date

用户O2O线下优惠券使用优惠预测样本:User_id、Merchant_id、Coupon_id、Discount_rate、Distance、Date_received

选手提交文件字段:User_id、Coupon_id、Date_received、Probability

在数据处理过程中会有帮助的方法

1. 检查DataFrame中的数据类型及各类情况
   info()与describe()函数用法

2. 当出现合并两列数据类型不一致，可以简单地数据类型转换
   df['客户id'] = df['客户id'].apply(pd.to_numeric)

3. 数据清洗时，会将带空值的行删除，此时DataFrame或Series类型的数据不再是连续的索引，可以使用reset_index()重置索引

import pandas as pd
import numpy as np
df = pd.DataFrame(np.arange(20).reshape(5,4