- 博客(3)
- 收藏
- 关注
RSS订阅原创 【案例】客户RFM值计算
该代码计算客户的RFM值。把客户价值分成8层，R的权重为100，F的权重为10，M的权重为1。【重要】原始清洗数据格式为：订单id，用户id,订单日期，成交金额（OrderID–CustomerID–DealDateTime–Sales）# -*- coding: utf-8 -*-import pandas as pddata= pd.read_csv(r"代码文件地址")data["DealDateTime"] = pd.to_datetime(data.DealDateTime,for
2021-01-17 17:49:16
2223
1
转载 pandas cut函数使用（数据分组）
转载：https://www.cnblogs.com/sench/p/10128216.html用途pandas.cut用来把一组数据分割成离散的区间。比如有一组年龄数据，可以使用pandas.cut将年龄数据分割成不同的年龄段并打上标签。原型pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates=‘raise’) #0.23.4参数含义x：
2021-01-17 12:17:24
1601
转载 pandas四分位数用法与相关参数分析
https://www.cnblogs.com/eternalpal/p/12944483.html四分位数与pandas中的quantile函数1.分位数概念统计学上的有分位数这个概念，一般用p来表示。原则上p是可以取0到1之间的任意值的。但是有一个四分位数是p分位数中较为有名的。所谓四分位数；即把数值由小到大排列并分成四等份，处于三个分割点位置的数值就是四分位数。为了更一般化，在计算的过程中，我们考虑p分位。当p=0.25 0.5 0.75 时，就是在计算四分位数。第1四分位数 (Q1)，又
2021-01-17 11:30:17
4728
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人