o2o優惠券使用預測

前沿：

 

這是天池的一個新人實戰塞題目，原址 https://tianchi.aliyun.com/getStart/information.htm?spm=5176.100067.5678.2.e1321db7ydQmSB&raceId=231593 ，下文會分析以下幾個過程。

1.數據預處理

2.特征的選取

3.算法的說明

4.結果分析

5.其他

 

第一部分：數據預處理

原始數據可以從上邊鏈接中下載，拿到.csv文件，可以使用pandas處理。

比如：

dfoff = pd.read_csv('ccf_offline_stage1_train.csv', keep_default_na=False)

參數  keep_default_na默認為True，當為True時，文件中的'null'則讀物Nan, 此時不能使用  dfoff['Date'] != 'null' 判斷，為了對‘null’可以使用 “==”，“！=”，此處設置 keep_default_na=False 。

我們需要得出優惠券與購買的關聯數據，以此得出Label。

有以下4中組合：

　　有優惠券，購買商品條數
　　無優惠券，購買商品條數
　　有優惠券，不購買商品條數
　　無優惠券，不購買商品條數

代碼如下：

print('有優惠券，購買商品條數', dfoff[(dfoff['Date_received'] != 'null') & (dfoff['Date'] != 'null')].shape[0])
print('無優惠券，購買商品條數', dfoff[(dfoff['Date_received'] == 'null') & (dfoff['Date'] != 'null')].shape[0])
print('有優惠券，不購買商品條數', dfoff[(dfoff['Date_received'] != 'null') & (dfoff['Date'] == 'null')].shape[0])
print('無優惠券，不購買商品條數', dfoff[(dfoff['Date_received'] == 'null') & (dfoff['Date'] == 'null')].shape[0])

　　文件中有買多少減多少，需要格式化為折扣率，距離門店格式化為數字等

def convertRate(row):
    if row == 'null':
        return 1.0
    elif ':' in row:
        rows = row.split(':')
        return 1.0 - float(rows[1])/float(rows[0])
    else:
        return float(row)

def getDiscountMan(row):
    if ':' in row:
        rows = row.split(':')
        return int(rows[0])
    else:
        return 0

def getDiscountJian(row):
    if ':' in row:
        rows = row.split(':')
        return int(rows[1])
    else:
        return 0

def getWeekday(row):
    if row == 'null':
        return row
    else:
        return date(int(row[0:4]), int(row[4:6]), int(row[6:8])).weekday() + 1


def processData(df):
    df['discount_rate'] = df['Discount_rate'].apply(convertRate)
    df['discount_man'] = df['Discount_rate'].apply(getDiscountMan)
    df['discount_jian'] = df['Discount_rate'].apply(getDiscountJian)
    df['discount_type'] = df['Discount_rate'].apply(getDiscountType)
    print(df['discount_rate'].unique())

    df['distance'] = df['Distance'].replace('null', -1).astype(int)
    return df

　　調用 dfoff = processData(dfoff) 即可格式化以上信息。

注意代碼中apply()函數，apply()函數是pandas里面所有函數中自由度最高的函數。該函數如下：

DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds)

 

對收到優惠券日期處理：

date_received = dfoff['Date_received'].unique()  #.unique()刪除重復項
date_received = sorted(date_received[date_received != 'null']  #排序
print('優惠券收到日期從',date_received[0],'到', date_received[-1])  #輸出最小日期和最大日期

同樣對於消費日期處理：

date_buy = dfoff['Date'].unique()
date_buy = sorted(date_buy[date_buy != 'null'])
date_buy = sorted(dfoff[dfoff['Date'] != 'null']['Date'])
print('消費日期從', date_buy[0], '到', date_buy[-1])

　

將發放的優惠券與被使用的優惠券畫圖：

couponbydate = dfoff[dfoff['Date_received'] != 'null'][['Date_received', 'Date']].groupby(['Date_received'], as_index=False).count()
couponbydate.columns = ['Date_received','count']
buybydate = dfoff[(dfoff['Date'] != 'null') & (dfoff['Date_received'] != 'null')][['Date_received', 'Date']].groupby(['Date_received'], as_index=False).count()
buybydate.columns = ['Date_received','count']

sns.set_style('ticks')
sns.set_context("notebook", font_scale= 1.4)
plt.figure(figsize = (12,8))
date_received_dt = pd.to_datetime(date_received, format='%Y%m%d')

plt.subplot(211)
plt.bar(date_received_dt, couponbydate['count'], label = 'number of coupon received' )
plt.bar(date_received_dt, buybydate['count'], label = 'number of coupon used')
plt.yscale('log')
plt.ylabel('Count')
plt.legend()

plt.subplot(212)
plt.bar(date_received_dt, buybydate['count']/couponbydate['count'])
plt.ylabel('Ratio(coupon used/coupon received)')
plt.tight_layout()
plt.show()

　　得到一幅圖：

 

第二部分：特征的選取

第三部分：算法的說明

第四部分：結果分析

第五部分：其他