Question

我有一个pandas数据框，其中包含数百万客户的产品名称[a，b，c，d，e，f，j，h，i，j，k，l]。对于每个产品，数据报告客户在当月使用产品（表示为1）或未使用（表示为0）。

客户的原始分类：1表示使用，0表示不使用
我想将产品用途重新分类为四类：

S：用过 M：维持使用（随后几个月使用）
N：没用过 D：维持未使用（连续几个月未使用）

原始数据如下所示：

+-------------+-------+---+---+---+---+---+---+---+---+---+---+---+---+
| Customer_ID | Month | a | b | c | d | e | f | j | h | i | j | k | l |
+-------------+-------+---+---+---+---+---+---+---+---+---+---+---+---+
| 19509       | Jan   | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 |
| 19509       | Feb   | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 |
| 19509       | Mar   | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 |
| 19509       | Apr   | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 |
| 19509       | May   | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 |
| 19509       | Jun   | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 |
| 19509       | Jul   | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 |
| 19509       | Aug   | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 |
| 19509       | Sep   | 1 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 0 |
| 19510       | Jan   | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 |
| 19510       | Feb   | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 |
| 19510       | Mar   | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 |
| 19510       | Apr   | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 |
| 19510       | May   | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 |
| 19510       | Jun   | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 |
| 19510       | Jul   | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 |
| 19510       | Aug   | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 |
| 19510       | Sep   | 1 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 0 |
| 19511       | Jan   | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 |
| 19511       | Feb   | 1 | 0 | 0 | 0 | 0 | 1 | 0 | 1 | 0 | 0 | 1 | 0 |
| 19511       | Mar   | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 |
| 19511       | Apr   | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 |
| 19511       | May   | 1 | 0 | 0 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 0 | 0 |
| 19511       | Jun   | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 0 | 0 | 0 | 0 |
| 19511       | Jul   | 1 | 1 | 1 | 0 | 0 | 1 | 0 | 1 | 0 | 1 | 1 | 0 |
| 19511       | Aug   | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 |
| 19511       | Sep   | 1 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 1 | 1 | 1 | 0 |
+-------------+-------+---+---+---+---+---+---+---+---+---+---+---+---+

我想将客户重新分类为四类，以考虑那些维持使用或维持不使用数月的人。

结果应如下所示：

+-------------+-------+---+---+---+---+---+---+---+---+---+---+---+---+
| Customer_ID | Month | a | b | c | d | e | f | j | h | i | j | k | l |
+-------------+---+---+---+---+---+---+---+---+---+---+---+---+---+---+
| 19509       | Jan   | S | N | S | N | N | S | N | S | N | S | S | N |
| 19509       | Feb   | M | N | N | D | D | M | D | M | D | N | M | D |
| 19509       | Mar   | M | S | S | D | D | M | D | M | D | S | M | D |
| 19509       | Apr   | N | M | N | S | D | M | D | M | D | N | N | D |
| 19509       | May   | D | N | D | M | S | M | D | M | D | D | D | D |
| 19509       | Jun   | D | D | D | M | N | M | D | M | D | D | D | D |
| 19509       | Jul   | S | S | S | N | D | M | D | M | D | S | S | D |
| 19509       | Aug   | N | M | N | D | D | M | D | N | D | N | N | D |
| 19509       | Sep   | S | M | S | S | D | M | D | D | S | S | S | D |
| 19510       | Jan   | S | N | S | N | N | S | N | S | N | S | S | N |
| 19510       | Feb   | M | N | N | D | D | M | D | M | D | N | M | D |
| 19510       | Mar   | M | S | S | D | D | M | D | M | D | S | M | D |
| 19510       | Apr   | N | M | N | S | D | M | D | M | D | N | N | D |
| 19510       | May   | D | N | D | M | S | M | D | M | D | D | D | D |
| 19510       | Jun   | D | D | D | M | N | M | D | M | D | D | D | D |
| 19510       | Jul   | S | S | S | N | D | M | D | M | D | S | S | D |
| 19510       | Aug   | N | M | N | D | D | M | D | N | D | N | N | D |
| 19510       | Sep   | S | M | S | S | D | M | D | D | S | S | S | D |
| 19511       | Jan   | S | N | S | N | N | S | N | S | N | S | S | N |
| 19511       | Feb   | M | N | N | D | D | M | D | M | D | N | M | D |
| 19511       | Mar   | M | S | S | D | D | M | D | M | D | S | M | D |
| 19511       | Apr   | N | M | N | S | D | M | D | M | D | N | N | D |
| 19511       | May   | D | N | D | M | S | M | D | M | D | D | D | D |
| 19511       | Jun   | D | D | D | M | N | M | D | M | D | D | D | D |
| 19511       | Jul   | S | S | S | N | D | M | D | M | D | S | S | D |
| 19511       | Aug   | N | M | N | D | D | M | D | N | D | N | N | D |
| 19511       | Sep   | S | M | S | S | D | M | D | D | S | S | S | D |
+-------------+-------+---+---+---+---+---+---+---+---+---+---+---+---+

这样做的算法似乎很复杂，我仍然在考虑适当的顺序。

我想为所有客户和所有产品（列）做这件事，我想我们可以这样开始：

for i in customer_ID:
  for j in df.columns:

注意：这种情况不是使用和非使用情况，而是join（1），cancel（0），keep idle（0）和if again（1）等等。因此，当它为零时，意味着客户取消了服务，当它在接下来的三个月内为零时，意味着他不是客户，然后他加入并再次取消，我们应该知道他取消服务的次数。如果我们只计算总数，则不会告诉我们客户加入的次数以及他取消特定产品或服务的次数。

我很感激任何建议或想法来解决这个问题。

Answer 1

为了简单起见，我解释了如何为一个客户和一个产品执行此操作，然后您可以为每个客户和列执行此操作：

找到最早的条目（如果你在11月份这样做，那么你可以先查看12月，1月，2月等的值，直到找到值）并应用新值：
- 0 =＆gt; Ñ
- 1 =＆gt;小号
对于下一个（最多11个）条目，您可以根据之前的值以及此处标有f(old, val)的列中的内容应用值：
- f（N，0）=＆gt; d
- f（N，1）=＆gt;小号
- f（S，0）=＆gt; Ñ
- f（S，1）=＆gt;中号
- f（M，0）=＆gt; Ñ
- f（M，1）=＆gt;中号
- f（D，0）=＆gt; d
- f（D，1）=＆gt;小号

在这种情况下，这可以简化（N / D和S / M产生相同的结果，只需查看前一个值而不是前一个状态），但是如果你有更复杂的状态转换，那么它也许不能，所以我写出来表明这个想法。

Answer 2

提示：

Prefix sum：

如果增加 - 使用
如果增加期限较长，但是，12月，总和超过阈值 - 维持使用

你可以计算其余部分。

Kadane's algoritm - 最大子阵列 - 如果你使用+1标记，不使用-1，这个将告诉你使用普遍超过不使用的最长时间。

如何将记录从两个类别重新分类为四个类别

2 个答案: