Post #232

🐍 Переходы клиентов из канала в канал и диаграмма Санкей #кодимпитоним Насмотревшись на Валерию с канала "Мир аналитика данных" решил тоже периодически писать о некоторых моих реальных рабочих задачах на питоне и способе их решения. В комментариях будет выложен питоновский файл чуть расширенный с дополнительными комментариями в коде Была поставлена задача узнать какие клиенты меняли канал продаж, и в каком месяце. Сейчас посмотрим а так-же построим на основе данных диаграмму Санкей, чтобы понимать визуально, из какого-канала куда переходит клиент (а бонусом превратим диаграмму в гоночный трек 😁 ) Итак представим что у нас есть датасет, со следующими данными - клиент - канал - и месяц - предположим что у нас выгрузка за пол года Сгенерируем датасет для работы: import random import pandas as pd import numpy as np clients = [str(random.randint(1, 999999)) for _ in range(20)] clients = clients * 6 channels = ['E-com', 'B2B', 'B2C'] channel = [random.choice(channels) for _ in range(120)] date_month = [] for i in range(2, 8): date_month.extend([str(i)] * 20) data = { 'client': clients, 'channel': channel, 'date_month': date_month } df = pd.DataFrame(data) Пробежимся по коду: 1. Создаём список клиентов в количестве 20, и умножаем список на 6, получая подобие выгрузки к которой в дальнейшем добавим месяцы 2. Формируем список из допустим трёх каналов случайным образом в количестве 120, под весь наш датасет 3. формируем месяцы циклом от 2 до 7 месяца - по 20 раз Начинаем изучать датасет: Сначала посчитаем сколько каналов было у каждого клиента, а затем присоединим полученную цифру в наш датасет count_channel = df.groupby('client')['channel'].nunique().rename('unique_channels') dfmain = df.join(count_channel, on='client', how='left') Затем добавим метку клиенту - менялся или не менялся у клиента канал, нагляднее это сделать с библиотекой numpy. В нашей случайной выборке скорее всего таких клиентов не будет, но в реальных данных таких клиентов было большинство dfmain['change_channel'] = np.where(dfmain['unique_channels'] > 1, 'change', 'no change') Далее в расширенной версии кода мы сохраняем список таких клиентов, но тут места мало, поэтому сразу отсортируем датасет: сначала по клиенту, а потом по месяцу в обратную сторону dfs = filtered_alldf.sort_values(by=['client', "date_month"], ascending=[True, False]) Убираем дубликаты строк с клиентом и первым каналом, в результате у нас останутся только текущий канал и другие каналы dfa = dfs.drop_duplicates(subset=['client', 'channel'], keep='first') С помощью метода cumcount() пронумеруем строки по столбцу клиента, в результате мы получим новый столбец где текущий канал клиента равен 0, второй 1, и тд. Дальше фильтруем таблицу только где значение из нового столбца равно 1, т.е. строку с предыдущим каналом и месяцем его смены dfa['line'] = dfa.groupby('client').cumcount() result_df = dfa[dfa['line'] == 1] Вот в целом мы и решили задачу, осталось всё переименовать столбцы, смёржить, и убрать предыдущие месяцы result_df = result_df.rename(columns={"channel": "last_channel", "date_month": "last_date_month"}) dfmain5 = pd.merge(dfmain, result_df[['client', 'last_channel', 'last_date_month']], on='client', how='left') dfmain5 = dfmain5[dfmain5['date_month'] == '7'] Код на график будет в комментариях. График Санкей (шарфы или перетоки) я очень люблю, но он не на всех данных хорошо смотрится. Тут прямо идеально зашёл. (Максимально упрощенный вариант графика в прилагаемом ipynb файле в комментах) Спасибо за просмотр, если такой формат вам понравился - ставьте лайк.