Python 3.x 使用python 3.6中pandas的二进制状态对客户进行分类

输入：

输出：

df= {'Customer_ID':[2,3,4,5,6,7,8,9,10,11],'A_Jan':[1,1,1,1,1,1,0,1,1,1],
     'A_Feb':[1,1,1,1,1,0,1,0,1,1],'A_Mar':[1,1,1,1,1,0,1,0,0,1],
     'A_Apr':[1,1,1,1,1,1,0,1,0,1],'A_May':[1,1,1,1,1,1,1,0,1,1],
     'B_Jan':[1,1,1,1,0,1,1,0,1,0],'B_Feb':[1,1,0,0,0,1,0,1,0,0],
     'B_Mar':[1,1,1,0,1,0,0,0,1,0],'B_Apr':[1,0,1,1,1,0,1,1,0,0],
     'B_May':[1,1,0,1,1,1,1,0,1,0]}

我想用Python 3.6中的以下规则对客户进行分类
类别-->说明
非常好-->A和B状态相同
良好-->A状态无变化但B状态很少变化
平均-->A状态无变化但B状态很少变化（续零2-3次）
差-->A状态很少变化，B状态持续变化（续零2-3次）
非常差--->很少改变A状态和交替改变B状态

我的数据中没有类似于所有值都为0的行

在银行部门，“a”列包含活跃客户或非活跃客户，“B”列包含以电子邮件或实物形式发送的对账单副本
如果列“A_u”包含1，则表示他/她是特定月份的活跃客户
若“B_2;”列包含1，则表示公司已通过电子邮件向客户发送了一些信函，0表示发送了一些实物副本（post）信函
我想用上述描述对客户进行分类
如果有任何问题，请发表评论。请不要投入

---

您的输入和输出不是数据帧，而是python字典。您想要词典的解决方案吗？

很少更改

意味着什么？很少更改，对于好的类别-->在“A_uu”列中没有更改，但我们可以看到“B_u”列B_ujan到B_u对于3,4个客户可能只有一个零（在6列中我们有5个）。平均类别-->在“A_列”中没有变化，但“B_列”连续为0 5,6个客户。糟糕的类别-->A_列和B_列中的连续零发生了变化。如果需要什么，请告诉我您的输入和输出不是数据帧而是python字典。您想要字典的解决方案吗？

很少更改

意味着什么？很少更改，对于好的类别-->A没有变化_“列，但我们可以看到”B_u“列B_uJan到B_u对于3,4个客户可能只有一个零（在6列中，我们有5列）。平均类别-->在“A_列”中没有变化，但“B_列”连续为0 5,6个客户。糟糕的类别-->在“A_列”和“B_列”中有连续零的变化。如果需要什么，请告诉我

df4={'Customer_ID':[2,3,4,5,6,7,8,9,10,11],'A_Jan':[1,1,1,1,1,1,0,1,1,1],
     'A_Feb':[1,1,1,1,1,0,1,0,1,1],'A_Mar':[1,1,1,1,1,0,1,0,0,1],
     'A_Apr':[1,1,1,1,1,1,0,1,0,1],'A_May':[1,1,1,1,1,1,1,0,1,1],
     'B_Jan':[1,1,1,1,0,1,1,0,1,0],'B_Feb':[1,1,0,0,0,1,0,1,0,0],
     'B_Mar':[1,1,1,0,1,0,0,0,1,0],'B_Apr':[1,0,1,1,1,0,1,1,0,0],
     'B_May':[1,1,0,1,1,1,1,0,1,0],
     'Category':['Very good','Good','Good','avg','avg','poor','poor','very poor','very poor','not consider']}