Python 计算经常性客户

我正在分析一家商店的销售数据，想计算下个月“第一批订单客户”转变为经常性客户的百分比

我有一个包含所有订单的数据框。这包括客户id、日期和标志（如果这是他/她的第一个订单）。这是我的数据：

import pandas as pd 

data = {'Name': ['Tom', 'nick', 'krish', 'Tom'], 
        'First_order': [1, 1, 1, 0], 
        'Date' :['01-01-2018', '01-01-2018', '01-01-2018', '02-02-2018']} 

df = pd.DataFrame(data) 

现在，我将在1月份创建一个所有新客户的列表，并在2月份创建一个所有定期客户的列表，然后加入他们。然后我有两个数字可以用来计算百分比

但我不知道，我怎么能不在数据框架上循环计算一整年的滚动。有没有一种很好的熊猫/蟒蛇方法

---

我们的目标是建立一个新的数据框架，其中包含当月和上个月的定期客户百分比。

一个想法是在1月至11月接受所有订单，并有一个列“reccurr”，根据该客户是否在下个月订购，为您提供一个真/假。然后，您可以使用count/sum of true/falses的每月groupby并添加一列，给出比率

编辑：在此之前，您可能需要转换日期：

df.Date = pd.to_datetime(df.Date)

然后：

此时，对于每个月，“Name”列有第一批订单的数量，“recurr”列有下个月再次订购的订单的数量。一个简单的额外列为您提供百分比：

df2['percentage_of_recurring_customer'] = (df2.recurr/df2.Name)*100

编辑：对于任意数量的日期，这里有一个笨拙的解决方案。选择一个开始日期，并使用该年的1月作为第1个月，然后依次为之后的所有月份编号

df.Date = pd.to_datetime(df.Date)
start_year = df.Date.min().year
def get_month_num(date):
    return (date.year-start_year)*12+date.month

现在我们有了一个转换日期的函数，稍微更改的代码是：

df['month'] = df['Date'].apply(lambda x: get_month_num(x))
df1 = df[df.First_order == 1].copy()
df1['recurr'] = df1.apply(lambda x: True if len(df[(df.month == x.month + 1)&(df.Name == x.Name)])>0 else False, axis=1)
df2 = df1[['month','Name','recurr']].groupby('month').agg({'Name':'count','recurr':'sum'})

最后，您可以制作一个函数，将您的月数还原为日期：

def restore_month(month_num):
    year = int(month_num/12)+start_year #int rounds down so we can do this.
    month = month_num%12 #modulo gives us month
    return pd.Timestamp(str(year)+'-'+str(month)+'-1') #This returns the first of that month
df3 = df2.reset_index().copy() #removing month from index so we can change it.
df3['month_date'] = df3['month'].apply(lambda x: restore_month(x))

---

你对这些数据的预期输出是什么？数据={'percentage_of_Recurrentive_cust'：['25%，'10%，'Date'：['JAN2018'，'FEB2018']}为什么Jan是

25%

而不是

33%

？为什么二月是

10%

？啊，对不起。刚刚发布了数据结构。一月份将不会有任何定期客户。因为我们没有12月的数据。。。。2月份的33%会很酷。看起来它在工作：）只是为了清楚。。。为什么选择除11月以外的所有选项，但不包括月份！=12? 如果我有超过一年的时间呢？它是否也适用于日期或MMYY。。。因为你在这个月增加了一个，干杯，谢谢！因为我已经做了一年多了，我们要和下个月比较，12月份的第一批订单没有“下个月”——这就是为什么我删除了12个。我只是懒得添加一个处理多年的方法：P如果你需要添加，请告诉我，我会进行编辑。完成！如果您有任何问题，请告诉我。

def restore_month(month_num):
    year = int(month_num/12)+start_year #int rounds down so we can do this.
    month = month_num%12 #modulo gives us month
    return pd.Timestamp(str(year)+'-'+str(month)+'-1') #This returns the first of that month
df3 = df2.reset_index().copy() #removing month from index so we can change it.
df3['month_date'] = df3['month'].apply(lambda x: restore_month(x))