Q&A
「'LastPeriod'」や「'FirstPeriod'」は掲載のデータには見当たりませんが、何か別のデータがあるのでしょうか？ 検証可能なデータを提示してください。
実現したいこと
コホート分析を行うためにデータを加工したい
→現在いきづまっています。何卒よろしくお願いいたします。
使用データ
python
1# FirstDate UserId TotalCharges LastDate LifeTime 2#0 2009-01-11 47 50.67 2010-01-12 12 3#1 2009-01-20 48 26.60 2009-08-20 7 4#2 2009-02-03 49 38.71 2009-07-03 5 5#3 2009-04-06 50 53.38 2011-02-09 22 6#4 2009-05-06 51 14.28 2019-09-25 124
試したこと
python
1import pandas as pd 2import numpy as np 3import datetime as dt 4 5# 継続月数を計算 6df['LifeTime'] = (df['LastPeriod'].dt.year - df['FirstPeriod'].dt.year)*12 + df['LastPeriod'].dt.month - df['FirstPeriod'].dt.month 7
希望データ型
python
1# FirstDate UserId TotalCharges LastDate LifeTime OrderDate 2#0 2009-01-11 47 50.67 2010-01-12 12 2009-01-11 3#1 2009-01-11 47 50.67 2010-01-12 12 2009-02-11 4#2 2009-01-11 47 50.67 2010-01-12 12 2009-03-11 5#3 2009-01-11 47 50.67 2010-01-12 12 2009-04-11 6#4 2009-01-11 47 50.67 2010-01-12 12 2009-05-11 7#5 2009-01-11 47 50.67 2010-01-12 12 2009-06-11 8#6 2009-01-11 47 50.67 2010-01-12 12 2009-07-11 9#7 2009-01-11 47 50.67 2010-01-12 12 2009-08-11 10#8 2009-01-11 47 50.67 2010-01-12 12 2009-09-11 11#9 2009-01-11 47 50.67 2010-01-12 12 2009-10-11 12#10 2009-01-11 47 50.67 2010-01-12 12 2009-11-11 13#11 2009-01-11 47 50.67 2010-01-12 12 2009-12-11 14#12 2009-01-11 47 50.67 2010-01-12 12 2010-01-11 15 16→コホート分析をするために、UserIDでユニークなレコードからLifeTimeを参考にOrderDateを追加して複数レコードを作りたいです。
今後行いたいこと
python
1df.set_index('UserId', inplace=True) 2df['CohortGroup'] = df.groupby(level=0)['OrderDate'].min().apply(lambda x: x.strftime('%Y-%m')) 3 4df.reset_index(inplace=True) 5grouped = df.groupby(['CohortGroup', 'OrderPeriod']) 6 7cohorts = grouped.agg({'UserId': pd.Series.nunique, 8 'Total Charges': np.sum}) 9cohorts.rename(columns={'UserId': 'TotalUsers'}, inplace=True) 10 11def cohort_period(df): 12cohorts = cohorts.groupby(level=0).apply(cohort_period) 13cohorts 14 15# reindex the DataFrame 16cohorts.reset_index(inplace=True) 17cohorts.set_index(['CohortGroup', 'CohortPeriod'], inplace=True) 18 19# create a Series holding the total size of each CohortGroup 20cohort_group_size = cohorts['TotalUsers'].groupby(level=0).first() 21cohort_group_size.head() 22 23cohorts['TotalUsers'].unstack(0).head() 24 25user_retention = cohorts['TotalUsers'].unstack(0).divide(cohort_group_size, axis=1) 26user_retention.head(10) 27 28import seaborn as sns 29sns.set(style='white') 30 31plt.figure(figsize=(12, 8)) 32plt.title('Cohorts: User Retention') 33sns.heatmap(user_retention.T, cmap="RdBu_r" ,mask=user_retention.T.isnull(), annot=True, fmt='.0%');
回答1件
0
ベストアンサー
多少強引ではあるが、こんな感じで groupby().apply()にて行を必要な数だけコピーすると実装できますね。
Python
1import pandas as pd 2import io 3 4data = """ 5FirstDate,UserId,TotalCharges,LastDate,LifeTime 62009-01-11,47,50.67,2010-01-12, 12 72009-01-20,48,26.60,2009-08-20,7 82009-02-03,49, 38.71,2009-07-03,5 92009-04-06,50,53.38,2011-02-09,22 102009-05-06,51,14.28,2019-09-25,124 11""" 12 13df = pd.read_csv(io.StringIO(data), parse_dates=['FirstDate','LastDate']) 14 15def f(d): 16 start_date = d.iloc[0, d.columns.get_loc('FirstDate')] 17 life_time = d.iloc[0, d.columns.get_loc('LifeTime')] 18 result = pd.concat([d] * life_time) 19 result['OrderDate'] = pd.date_range(start_date, freq='1M', periods=life_time) 20 return result 21 22res = df.groupby(df.index).apply(f).reset_index(drop=True) 23# FirstDate UserId TotalCharges LastDate LifeTime OrderDate 24#0 2009-01-11 47 50.67 2010-01-12 12 2009-01-31 25#1 2009-01-11 47 50.67 2010-01-12 12 2009-02-28 26#2 2009-01-11 47 50.67 2010-01-12 12 2009-03-31 27#3 2009-01-11 47 50.67 2010-01-12 12 2009-04-30 28#4 2009-01-11 47 50.67 2010-01-12 12 2009-05-31 29#5 2009-01-11 47 50.67 2010-01-12 12 2009-06-30 30#6 2009-01-11 47 50.67 2010-01-12 12 2009-07-31 31#7 2009-01-11 47 50.67 2010-01-12 12 2009-08-31 32#8 2009-01-11 47 50.67 2010-01-12 12 2009-09-30 33#9 2009-01-11 47 50.67 2010-01-12 12 2009-10-31 34#10 2009-01-11 47 50.67 2010-01-12 12 2009-11-30 35#11 2009-01-11 47 50.67 2010-01-12 12 2009-12-31 36#12 2009-01-20 48 26.60 2009-08-20 7 2009-01-31 37#13 2009-01-20 48 26.60 2009-08-20 7 2009-02-28 38#14 2009-01-20 48 26.60 2009-08-20 7 2009-03-31 39#.. ... ... ... ... ... ... 40#155 2009-05-06 51 14.28 2019-09-25 124 2018-06-30 41#156 2009-05-06 51 14.28 2019-09-25 124 2018-07-31 42#157 2009-05-06 51 14.28 2019-09-25 124 2018-08-31 43#158 2009-05-06 51 14.28 2019-09-25 124 2018-09-30 44#159 2009-05-06 51 14.28 2019-09-25 124 2018-10-31 45#160 2009-05-06 51 14.28 2019-09-25 124 2018-11-30 46#161 2009-05-06 51 14.28 2019-09-25 124 2018-12-31 47#162 2009-05-06 51 14.28 2019-09-25 124 2019-01-31 48#163 2009-05-06 51 14.28 2019-09-25 124 2019-02-28 49#164 2009-05-06 51 14.28 2019-09-25 124 2019-03-31 50#165 2009-05-06 51 14.28 2019-09-25 124 2019-04-30 51#166 2009-05-06 51 14.28 2019-09-25 124 2019-05-31 52#167 2009-05-06 51 14.28 2019-09-25 124 2019-06-30 53#168 2009-05-06 51 14.28 2019-09-25 124 2019-07-31 54#169 2009-05-06 51 14.28 2019-09-25 124 2019-08-31 55# 56#[170 rows x 6 columns]
投稿2019/09/25 10:52
総合スコア15898
magichan様
いつもありがとうございます。
この方法は全く思いつきませんでした、、
無事コホート分析をすることができました。
ありがとうございました。
あなたの回答
tips
プレビュー
