Question

我的数据包含客户购买历史记录以及每个订单的相应销售价值。我希望随着时间的推移，每个客户的费用都会有某种趋势。我考虑了每个客户的回归并随后提取系数。这是否可以以有效的方式处理大熊猫（我在数据中得到了~1000000个事务）？如果是的话，我该怎么做？

为了更好地理解这里是数据的结构。

        Date        Customer_ID     Sales_Value     
     2014-07-01         1            62.946002  
     2014-12-01         2            62.947733  
     2013-05-01         3            27.328221  
     2015-01-01         1            30.023658

这将是具有在这种情况下不需要的其他几列的事务数据的结构。不幸的是，数据是按月计算的，因此对于日期，您将只有这种格式：20xx-xx-01

我现在想要的是一个数组，它为我提供了每个客户在我对事务数据的整个时间间隔内基于Sales_Value的回归系数。所以基本上是这样的：

Customer_ID  trend_coeff
  1             -0,5
  2               0
  3               0

（trend_coeff的数字当然仅用于演示）

感谢您的帮助！

Answer 1

假设您从这样的事情开始：

import pandas as pd

df = pd.DataFrame({
    'a': [1, 2, 3, 1, 2, 3, 1, 2, 3],
    'b': range(9),
    'c': range(1, 10)})
>>> df
    a   b   c
0   1   0   1
1   2   1   2
2   3   2   3
3   1   3   4
4   2   4   5
5   3   5   6
6   1   6   7
7   2   7   8
8   3   8   9

要对'b'的每个值执行'c'和'a'之间的线性回归，您可以这样做：

from sklearn import linear_model

def find_for_a(g):
    p = linear_model.LinearRegression().fit(g.b.values[:, None], g.c.values)
    return pd.Series({'coef': p.coef_[0], 'intercept': p.intercept_})

>>> df.groupby('a').apply(find_for_a)
    coef    intercept
a       
1   1.0     1.0
2   1.0     1.0
3   1.0     1.0

回归每个客户的数据

1 个答案: