Question

我正在使用python执行同类群组分析，而我在创建一个新列时遇到了问题，该列总结了用户与我们共同停留的总月数。

我知道答案背后的数学，我所要做的就是：

减去从他们开始时取消我们服务的年份
乘以12。
减去他们从启动服务时取消服务的月份。
将这两个数字加在一起。

所以在Excel中，它看起来像这样：

=（YEAR（C2）-YEAR（B2））* 12 +（MONTH（C2）-MONTH（B2））

C是客户取消日期，B是他们开始的时间

问题是我是Python和Pandas的新手，我在Python中翻译该函数时遇到了麻烦

到目前为止我尝试过：

df['Lifetime'] = df.Plan_Cancel_Date('%Y') - df.Plan_Start_Date('%Y')*12 + 
df.Plan_Cancel_Date('%m') - df.Plan_Start_Date('%m')
df.head()

它返回错误＆＃39;系列＆＃39;是不可赎回的，我对这意味着什么有一般性的了解。

然后我尝试了：

def LTVCalc (Plan_Start_Date, Plan_Cancel_Date):
    df['Lifetime'] = df.Plan_Cancel_Date('%Y') - df.Plan_Start_Date('%Y')*12 + 
    df.Plan_Cancel_Date('%m') - df.Plan_Start_Date('%m')
df.head()

但是，这并没有增加专栏＃39; Lifetime＆＃39;到DataFrame。

任何能够帮助新秀的人都会？

Answer 1

我认为需要先转换to_datetime，然后再使用dt.year和 dt.month：

df = pd.DataFrame({
    'Plan_Cancel_Date': ['2018-07-07','2019-03-05','2020-10-08'],
    'Plan_Start_Date': ['2016-02-07','2017-01-05','2017-08-08']
})
#print (df)

#if necessary convert to datetimes
df.Plan_Start_Date = pd.to_datetime(df.Plan_Start_Date)
df.Plan_Cancel_Date = pd.to_datetime(df.Plan_Cancel_Date)

df['Lifetime'] = ((df.Plan_Cancel_Date.dt.year - df.Plan_Start_Date.dt.year)*12 + 
                   df.Plan_Cancel_Date.dt.month - df.Plan_Start_Date.dt.month)

print (df)

  Plan_Cancel_Date Plan_Start_Date  Lifetime
0       2018-07-07      2016-02-07        29
1       2019-03-05      2017-01-05        26
2       2020-10-08      2017-08-08        38

使用Pandas计算客户生命周期

1 个答案: