実践データ分析100本ノック(第4章-顧客の行動を予測する-35～36)
2020年12月21日
実践データ分析100本ノック(第4章-顧客の行動を予測する-35～36)
コード
#--ノック35------------------------------
# %%
print(customer_clustering.head())
# 月内平均値 月内中央値 月内最大値 月内最小値 会員期間 cluster
# 1 5.083333 5.0 7 3 47 3
# 0 4.833333 5.0 8 2 47 3
# 2 4.583333 5.0 6 3 47 3
# 3 4.833333 4.5 7 2 47 3
# 4 3.916667 4.0 6 1 47 3
print(customer.head())
# customer_id name class gender start_date end_date campaign_id \
# 0 OA832399 XXXX C01 F 2015-05-01 NaN CA1
# 1 PL270116 XXXXX C01 M 2015-05-01 NaN CA1
# 2 OA974876 XXXXX C01 M 2015-05-01 NaN CA1
# 3 HD024127 XXXXX C01 F 2015-05-01 NaN CA1
# 4 HD661448 XXXXX C03 F 2015-05-01 NaN CA1
# is_deleted class_name price campaign_name mean median max min \
# 0 0 オールタイム 10500 通常 4.833333 5.0 8 2
# 1 0 オールタイム 10500 通常 5.083333 5.0 7 3
# 2 0 オールタイム 10500 通常 4.583333 5.0 6 3
# 3 0 オールタイム 10500 通常 4.833333 4.5 7 2
# 4 0 ナイト 6000 通常 3.916667 4.0 6 1
# routine_flg calc_date membership_period
# 0 1 2019-04-30 47
# 1 1 2019-04-30 47
# 2 1 2019-04-30 47
# 3 1 2019-04-30 47
# 4 1 2019-04-30 47
# データフレームを結合(axis=1で横に結合)
customer_clustering = pd.concat([customer_clustering, customer], axis=1)
# クラスタ、退会フラグ、顧客毎に集計
customer_clustering.groupby(["cluster", "is_deleted"], as_index=False).count()[["cluster", "is_deleted", "customer_id"]]
# クラスタ、定期利用フラグ、顧客毎に集計
customer_clustering.groupby(["cluster", "routine_flg"], as_index=False).count()[["cluster", "routine_flg", "customer_id"]]
#--ノック36------------------------------
# %%
# datetime型に変換
uselog["usedate"] = pd.to_datetime(uselog["usedate"])
# フォーマットを変換してカラム「年月」を生成
uselog["年月"] = uselog["usedate"].dt.strftime("%Y%m")
# カラム「年月」と「ユーザー」毎にグループ化してカウント
uselog_months = uselog.groupby(["年月", "customer_id"], as_index=False).count()
# カラム名「log_id」を「count」に変換
uselog_months.rename(columns={"log_id": "count"}, inplace=True)
#カラム[usedate]を削除
del uselog_months["usedate"]
uselog_months.head()
# 年月 customer_id count
# 0 201804 AS002855 4
# 1 201804 AS009013 2
# 2 201804 AS009373 3
# 3 201804 AS015315 6
# 4 201804 AS015739 7
# 2018年5月～2018年10月の利用回数データと2018年11月の利用回数を教師データとして学習
year_months = list(uselog_months["年月"].unique())
print(year_months)
# ['201804', '201805', '201806', '201807', '201808', '201809', '201810', '201811', '201812', '201901', '201902', '201903']
predict_data = pd.DataFrame()
for i in range(6, len(year_months)):
# 6, 7, 8, 9, 10, 11
tmp = uselog_months.loc[uselog_months["年月"]==year_months[i]]
# print(tmp)
# 6
# 年月 customer_id count
# 18532 201810 AS002855 3
# 18533 201810 AS008805 2
# 18534 201810 AS009373 5
# 18535 201810 AS015233 7
# 18536 201810 AS015315 4
# ... ... ... ...
tmp.rename(columns={"count": "count_pred"}, inplace=True)
# 該当年月より過去6カ月を回す
for j in range(1, 7):
tmp_before = uselog_months.loc[uselog_months["年月"]==year_months[i-j]]
del tmp_before["年月"]
# カラム名「count」を「count_x」に変換
tmp_before.rename(columns={"count": "count_{}".format(j-1)}, inplace=True)
# 該当年月のデータに前6カ月(count_0～count_5)を結合していく
tmp = pd.merge(tmp, tmp_before, on="customer_id", how="left")
# 年月 customer_id count_pred count_0 count_1 count_2 count_3
# 0 201812 AS002855 2 5.0 3.0 7.0 3.0...
# 1 201812 AS008805 5 3.0 2.0 2.0 5.0...
# 2 201812 AS009373 4 4.0 5.0 6.0 6.0...
# 3 201812 AS015233 9 7.0 7.0 9.0 11.0...
# 4 201812 AS015315 5 7.0 4.0 7.0 3.0...
#... ... ... ... ... ... ... ...
# 上記のデータをひとまとめにする為結合していく
predict_data = pd.concat([predict_data, tmp], ignore_index=True)
print(predict_data.head())
# 年月 customer_id count_pred count_0 count_1 count_2 count_3 \
# 0 201810 AS002855 3 7.0 3.0 5.0 5.0
# 1 201810 AS008805 2 2.0 5.0 7.0 8.0
# 2 201810 AS009373 5 6.0 6.0 7.0 4.0
# 3 201810 AS015233 7 9.0 11.0 5.0 7.0
# 4 201810 AS015315 4 7.0 3.0 6.0 3.0
# count_4 count_5
# 0 5.0 4.0
# 1 NaN NaN
# 2 4.0 3.0
# 3 7.0 NaN
# 4 3.0 6.0
# 滞在期間6カ月以上の顧客を除去（NaNの行を除去）
predict_data = predict_data.dropna()
predict_data = predict_data.reset_index(drop=True)
