使用熊猫数据范围对客户数据进行分析

Question

我目前正在对企业的客户进行分析。我试图得出的是产品2之前有多少客户购买了产品1。我目前在要分析的时间段的所有订单中都有所有订单的数据。我将其包含在一个数据框架中，即：

客户ID	订单订单	订单产品的订单订单索引	（串联到字符串中）
客户1	订单111	1	产品1，产品3，产品4
客户1	订单112	2	产品2
客户2客户2	订单113	1	产品2，产品4
客户2	订单114	2	产品1

<代码>订单索引表示订单属于客户寿命的位置在1。我有一个想法，即如何设置此设置，但我无法将其连接到pandas/python中的执行。

从本质上讲，我想使用逻辑：

• 有多少客户的订单包含较低订单索引的订单比包含产品2的订单2。

每个记录都是订单。在上表示例中，我想计算客户1，而不是2，因为客户1在产品2之前购买了产品1

。我可以尝试从中获得这些见解。我开始旋转车轮，并想在这里伸出援手以获取想法或解决方案。

Answer 1

这是一种方法，首先使用爆炸产品创建另一个数据框，然后根据您的目标使用它切片：

df2 = (df
 .assign(product=df['Products on Order'].str.split(', '))
 .explode('product')
)

target = ('Product 1', 'Product 2')
s0 = df2.loc[df2['product'].eq(target[0])].set_index('Customer ID')['Index of Order']
s1 = df2.loc[df2['product'].eq(target[1])].set_index('Customer ID')['Index of Order']
s1.sub(s0).gt(0)

输出：

Customer ID
Customer 1     True
Customer 2    False
Name: Index of Order, dtype: bool

中间df2：

  Customer ID   Order ID  Index of Order                Products on Order    product
0  Customer 1  Order 111               1  Product 1, Product 3, Product 4  Product 1
0  Customer 1  Order 111               1  Product 1, Product 3, Product 4  Product 3
0  Customer 1  Order 111               1  Product 1, Product 3, Product 4  Product 4
1  Customer 1  Order 112               2                        Product 2  Product 2
2  Customer 2  Order 113               1             Product 2, Product 4  Product 2
2  Customer 2  Order 113               1             Product 2, Product 4  Product 4
3  Customer 2  Order 114               2                        Product 1  Product 1

Answer 2

只需逐步建立它即可。

total_customers = df['Customer ID'].nunique()

desired_customers = 0
first_product = 'Product 1'
second_product = 'Product 2'

for customer in df['Customer ID'].unique():
    orders = df[df['Customer ID'] == customer]
    order_contents = orders['Products on Order (concatenated into a string)'].sum()

    if first_product in order_contents and second_product in order_contents:
        first_prod_ind = orders[orders['Products on Order (concatenated into a string)'].str.contains(first_product)]['Index of Order'].iloc[0]
        second_prod_ind = orders[orders['Products on Order (concatenated into a string)'].str.contains(second_product)]['Index of Order'].iloc[0]
        
        if first_prod_ind < second_prod_ind:
            desired_customers += 1

print(f"Customers who bought {first_product} first: {desired_customers}")
print(f"Total customers: {total_customers}")

请注意，仅当客户第一次购买产品1是在他们第一次购买产品2之前就计算的。

Answer 3

我能够使用以下代码完成所需的结果

df['Prod_1'] = np.where(df['Products on Order (concatenated into a string)'].str.contains('Product 1'), df['Index of Order'], 0)
df['Prod_2'] = np.where(df['Products on Order (concatenated into a string)'].str.contains('Product 2'), df['Index of Order'], 0)
df['Prod_1'] = df.groupby('Customer ID')['Prod_1'].transform(max)
df['Prod_2'] = df.groupby('Customer ID')['Prod_2'].transform(max)
df = df.loc[np.where(df['Prod_1'].lt(df['Prod_2'], True, False))]
df['Customer ID'].unique().tolist()