从时间序列数据框中转换和流失客户的摘要答案

【问题标题】：summary of converted and churned customers from time series dataframe从时间序列数据框中转换和流失客户的摘要
【发布时间】：2020-09-30 03:01:42
【问题描述】：

我有类似于下面的数据框，我想围绕客户的行为创建一些摘要统计数据

pd.DataFrame([
['id1','23/5/2019','not_emailed']
,['id1','24/5/2019','not_emailed']
,['id1','25/5/2019','emailed']
,['id1','26/5/2019','emailed']
,['id1','27/5/2019','emailed']
,['id1','28/5/2019','emailed']
,['id1','29/5/2019','emailed']
,['id1','30/5/2019','emailed']
,['id1','31/5/2019','emailed']
,['id1','1/6/2019','emailed']
,['id1','2/6/2019','emailed']

,['id2','23/5/2019','not_emailed']
,['id2','24/5/2019','not_emailed']
,['id2','25/5/2019','emailed']
,['id2','26/5/2019','emailed']
,['id2','27/5/2019','emailed']

,['id3','29/5/2019','not_emailed']
,['id3','30/5/2019','emailed']
,['id3','31/5/2019','emailed']
,['id3','1/6/2019','emailed']
,['id3','2/6/2019','emailed']

 ,['id4','29/5/2019','not_emailed']
 ,['id4','30/5/2019','emailed']
 ,['id4','31/5/2019','emailed']
 ,['id4','1/6/2019','emailed']
 ,['id4','2/6/2019','emailed']    
,['id4','2/7/2019','emailed']    
,['id4','3/7/2019','emailed']
,['id4','4/7/2019','emailed'] 
 ],columns=['id','date','status'])

在这个数据集中可以观察到的主要场景有：

id1 于 25 日通过电子邮件发送但未转换

id2 于 27 日通过电子邮件发送，并于 28 日转换，因为我们没有看到该 id 的更多日志

id3 于 30 日通过电子邮件发送并在 3 日转换，因为我们没有看到该 id 的更多日志

id4 在 30 日通过电子邮件发送并在 3 日转换，但在 2 日再次流失

我想每天获得该信息的摘要

通过电子邮件发送了多少，转化了多少，之前已经转化的流失了多少

期望的潜在输出可能是：

        pd.DataFrame([
        ['29/5/2019',10,3,1] ,
        ['30/5/2019',10,2,1] 
        ],columns=['date','emailed_total','converted_total','churned_total']
        )

不是上面的数字是随机的，不反映第一个共享数据集的统计数据

到目前为止我的方法：

1) 部分解决问题：查找电子邮件的第一天计算自第一次以来经过的天数按经过的天数分组并汇总有效，但不适用于流失客户

2) 循环日期过滤通过电子邮件发送的唯一 ID 循环遍历未来的日期并计算集合之间的差异做的工作，但不是很干净和pythonic

【问题讨论】：

在所需的输出数据框中有'emailed_total'、'converted_total'和'churned_total'。需要分别明确列的聚合条件。呈现的数据中只有两种状态。
三者中哪一个不清楚应该如何聚合？ “emailed_total”：当天每个人都通过电子邮件发送，“converted_total”：之前通过电子邮件发送但当天缺席的每个人，“churned_total”：之前通过电子邮件发送，在前一天转换但他们又回到了列表中。
'churned_total' 返回列表，这是什么意思？你能详细说明一下总名和地位之间的关系吗？我不是母语人士。
对，所以如果客户流失了，它每天都会出现在我的数据中。如果客户已经转换，它将停止出现在数据上，但如果他再次流失，它将开始重新出现在数据集上。在 id4 的示例场景中：客户在 2020 年 5 月 30 日通过电子邮件发送并在 2020 年 3 月 6 日转换，因为在我的数据中没有记录 id4 的该日期。它们在 2020 年 2 月 7 日重新出现，因为它们再次搅动。
'churned_total' 的状态是什么？如果他们没有地位，你就不能算他们。您的描述是指取消的天数吗？我越来越不确定了。

标签： pandas time-series pandas-groupby analytics summary

【解决方案1】：

按照我目前的理解，我已经编写了代码来回答您的问题。但正如我评论的那样，关于搅拌的状态已经被弄乱了，所以只有两个不同的总数。它没有完成。列名也不是你想要的名字。

df['date'] = pd.to_datetime(df['date'], format='%d/%m/%Y')
df2 = df.groupby(['date','status']).agg('count').unstack().fillna(0)
df2.columns = df2.columns.droplevel()
df2 = df2.rename_axis(columns=None).reset_index()
df2.sort_index(ascending=True, inplace=True)

df
    date    emailed     not_emailed
0   2019-05-23  0.0     2.0
1   2019-05-24  0.0     2.0
2   2019-05-25  2.0     0.0
3   2019-05-26  2.0     0.0
4   2019-05-27  2.0     0.0
5   2019-05-28  1.0     0.0
6   2019-05-29  1.0     2.0
7   2019-05-30  3.0     0.0
8   2019-05-31  3.0     0.0
9   2019-06-01  3.0     0.0
10  2019-06-02  3.0     0.0
11  2019-07-02  1.0     0.0
12  2019-07-03  1.0     0.0
13  2019-07-04  1.0     0.0

【讨论】：

【解决方案2】：

根据您的要求，我对您的数据、转换时间和未转换的 id 时间做了一些了解。希望对你有帮助

df['date']=pd.to_datetime(df['date'],infer_datetime_format=True)
df.sort_values(by='date',inplace=True)
dates=df['date'].unique()
ids=df['id'].unique()
df=df.set_index(['id','date'])

out=pd.DataFrame(index=dates)
for i, new_df in df.groupby(level=0):
    new_df=new_df.droplevel(0)
    new_df=new_df.rename(columns={'status':i})
    out=out.merge(new_df, how='outer', left_index=True, right_index=True)
    

not_converted=out[out.columns[out.iloc[-1,:]=='emailed']]
converted=out[out.columns[out.iloc[-1,:].isnull()]]

start_mailing_date_NC=(not_converted=='emailed').cumsum().idxmin() #not converted id metrics

delta_NC=(dates[-1]-start_mailing_date_NC) #dates[-1] could be changed to actual date
print("Days from first mail unconverted by id: ")
print(delta_NC.to_string())
print(' Mean Days not converted: %s'%(delta_NC.mean()))
print( '\n')



start_mailing_date=(converted=='emailed').cumsum().idxmin() #converted id metrics
conversion_mailing_date=(converted=='emailed').cumsum().idxmax()#converted id metrics
delta=(conversion_mailing_date-start_mailing_date)
print("Days to conversion by id: ")
print(delta.to_string())
print(' Mean Days to conversion: %s'%(delta.mean()))

输出：

Days from first mail unconverted by id: 
id4   42 days
 Mean Days not converted: 42 days 00:00:00


Days to conversion by id: 
id1   10 days
id2    4 days
id3   10 days
 Mean Days to conversion: 8 days 00:00:00

【讨论】：