题解 | #某店铺用户消费特征评分#

import pandas as pd
sales = pd.read_csv('sales.csv')
pd.set_option('display.max_columns', None)# 显示所有的列，而不是以……显示
pd.set_option('display.max_rows', None)# 显示所有的行，而不是以……显示
pd.set_option('display.width', None) # 不自动换行显示

# pd.quantile()为求分位数操作，需要自行在里面添加数值
# 默认值：
# quantile( q=0.5, axis: 'Axis' = 0, numeric_only: 'bool' = True, interpolation:'str' = 'linear')

# 第一步：先定义分位数
r1 = sales['recency'].quantile(q = 0.25)
r2 = sales['recency'].quantile(q = 0.5)
r3 = sales['recency'].quantile(q = 0.75)

f1 = sales['frequency'].quantile(q = 0.25)
f2 = sales['frequency'].quantile(q = 0.5)
f3 = sales['frequency'].quantile(q = 0.75)

m1 = sales['monetary'].quantile(q = 0.25)
m2 = sales['monetary'].quantile(q = 0.5)
m3 = sales['monetary'].quantile(q = 0.75)

# 第二步：分别定义分段函数
def r_value(x):
    if x <= r1:
        return 4
    elif x > r1 and x <= r2:
        return 3
    elif x > r2 and x <= r3:
        return 2
    else:
        return 1

def f_value(x):
    if x >= f3:
        return 4
    elif x >= f2 and x < f3:
        return 3
    elif x > f1 and x <= f2:
        return 2
    else:
        return 1

def m_value(x):
    if x >= m3:
        return 4
    elif x >= m2 and x < m3:
        return 3
    elif x > m1 and x <= m2:
        return 2
    else:
        return 1

# 第三步： 用apply映射
sales['R_Quartile'] = sales['recency'].apply(r_value)
sales['F_Quartile'] = sales['frequency'].apply(f_value)
sales['M_Quartile'] = sales['monetary'].apply(m_value)

# 结果
print(sales.head())