python - Pandas 数据框中的复杂选择

Question

下面的数据集显示了每个客户在哪个月份激活了哪些产品。月份可以取多个值(1,2,3,...等)，产品有很多(x,y,z等)，product_active是二进制表示活跃状态。

cust_id month product  product_active
1234    1     x        1 
1234    2     x        0 
1234    1     y        0 
1234    2     y        1   

我如何选择从第 1 个月到第 2 个月从产品 x 切换到产品 y 的所有客户？我想对此进行概括，即能够选择从产品 a 切换到产品 b 的所有客户，从第 m1 个月到第 m2 个月。

Answer 1

好的，使用 .groupby() 和矢量解决方案可能有更 pythonic 的方法来执行此操作，但这里有一个解决方案将为 df 提供您正在寻找的结果。我根据您的数据假设您的产品事件列无关紧要。

#DF Setup
_______________________
col = ['cust_id', 'month', 'product',  'product_active']
data = [
(1234,    1,     'x',        1 ),
(1234,    2,     'x',        0 ),
(1235,    1,     'y',        0 ),
(1235,    2,     'y',        1 ),
(1236,    1,     'x',        1 ),
(1236,    2,     'y',        0 )]
df = pd.DataFrame(data, columns=col)

添加了一个额外的客户 (1236) 来模拟从 m1 到 m2 的产品变化 (x->y)。

#Solution
______________________
result_df = pd.DataFrame()

for i,row in df.iterrows():
    if i == 0:
        pass
    elif df.loc[i-1,'cust_id'] == df.loc[i,'cust_id']:
        if (df.loc[i-1,'month'] == 1) & (df.loc[i,'month'] == 2):
            if (df.loc[i-1,'product'] == 'x') & (df.loc[i,'product'] == 'y'):
                result_df = result_df.append(df.loc[i])

这是封装在函数中的通用解决方案:

def filter_function(month,p1,p2):
    '''
    month - month you wish to check for product change.
    p1 - "From" product
    p2 - "To" product
    '''
    result_df = pd.DataFrame()

    for i,row in df.iterrows():
        if i == 0:
            pass
        elif df.loc[i-1,'cust_id'] == df.loc[i,'cust_id']:
            if (df.loc[i-1,'month'] == month-1) & (df.loc[i,'month'] == month):
                if (df.loc[i-1,'product'] == p1) & (df.loc[i,'product'] == p2):
                    result_df = result_df.append(df.loc[i])
    return result_df

filter_function(2,'x','y')