pandas 连续登录留存数据分析

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

在电商或者内容型网络服务中，经常会考察用户的留存指标，运营人员希望产品有较高有粘性，用户可以连续使用产品。本案例将介绍如果用 Python 识别一个连续留存的数据。

需求

源数据如下：

import pandas as pd

df = pd.DataFrame({
    'name': list('AAAABBACC'),
    'date': ['2021-1-1', '2021-1-2', '2021-1-3',
             '2021-1-4', '2021-3-5', '2021-3-21',
             '2021-2-22', '2021-3-8', '2021-3-9', ]
})

df
'''
  name       date
0    A   2021-1-1
1    A   2021-1-2
2    A   2021-1-3
3    A   2021-1-4
4    B   2021-3-5
5    B  2021-3-21
6    A  2021-2-22
7    C   2021-3-8
8    C   2021-3-9
'''

将以上数据进行分析，name 为用户名，date 为登录日期，如果用户的所有登录日期是连续的则认为用户到访一次，记为 1，如果日期不连续则认为到访为多次，记为 2。

如，A用户从1月1日到1月四日有连续登录，但 2 月仍然有非连续的登录，多次登录此时就需要记为 2，用户 C 则仅连续 8 日和 9 日连续登录则记为 1。

思路

首先需要将数据转为时间格式，方便进行时序数据处理。接下来，将数据排序，先按用户再按时间，这样方便我们做后续的处理。

对数据按用户分组，分组后每组（每个用户）中将包含 date 数列，对数据用 diff 求前后的时间差，转为天数，为了方便将没有目标天数产生的 nan 填充为 1。得到的相关天数数列如果所有值为 1 则认为是完全连续的，否则不连续。

将最终得到的每个用户的 True 和 False 值，映射为需求中需要的值。

代码

根据以上思路，最终的实现代码如下：

(
    df.astype({'date': 'datetime64[ns]'}) # 将数据转为时间类型
    .sort_values(['name', 'date']) # 排序，用户第一序，时间第二序
    .groupby('name') # 按用户分组
    # 对组内（每个用户）的时间做差，如果全为1说明连续
    .apply(lambda x: (x.date.diff(1).dt.days.fillna(1)==1).all())
    .map({True: 1, False: 2}) # 枚举映射为 1 和 2
)
'''
name
A    2
B    2
C    1
dtype: int64
'''

（完）

pandas 连续登录留存数据分析

需求

思路

代码

相关内容