请求开发函数：按mobileNumber统计客户首选商品、平均营收及最新交易

需求说明 #

针对每个以mobileNumber标识的客户，完成以下三项统计：

• 确定首选商品：
  1. 首选商品为购买数量最多的商品；
  2. 若多个商品购买数量相同，则选择Net Revenue总额最高的商品；
  3. 若上述两项均相同，则保留所有符合条件的商品，用逗号分隔。
• 计算平均Net Revenue：该客户所有交易的Net Revenue平均值；
• 获取最新交易日期：该客户所有交易中最晚的日期，格式为YYYY-MM-DD。

数据样例 #

预期输出 #

生成测试数据代码 #

import pandas as pd

df = pd.DataFrame(
    {
        'mobileNumber': ['253717011202', '253717011202', '253717011202', '253717011202', '253717011202', 
                        '2530727013202', '2530727013202', '2530727013202', '12345678910', '12345678910',
                        '12345678910', '12345678910'],
        'smartcard': ['25106064745190900', '25106064745190900', '25106064745190900', '25106064745190900', '25106064745190900', 
                      '2510606474519120', '2510606474519120', '2510606474519120', '2311607474519120', '2311607474519120',
                      '2311607474519120', '2311607474519120'],
        'country': ['Latvia', 'Latvia', 'Latvia', 'Latvia', 'Latvia', 'Sudan', 'Sudan', 'Sudan', 'Zambia', 'Zambia', 'Zambia', 'Zambia'],
        'item': ['GOLD', 'SILVER', 'EXTRA', 'EXTRA', 'EXTRA', 'GOLD', 'GOLD', 'EXTRA', 'GOLD', 'GOLD', 'EXTRA', 'EXTRA'],
        'Net Revenue': [6779.661017, 5084.745763, 2542.372881, 2542.372881, 2542.372881, 
                        2542.372881, 2542.372881, 2542.372881, 2542.372881, 2542.372881, 2542.372881, 2542.372881],
        'transaction date': ['26/06/2021', '17/06/2021', '09/04/2021', '10/03/2021', '18/02/2020', 
                             '09/04/2021', '10/03/2021', '18/02/2020', '09/04/2021', '10/03/2021', '18/02/2020', '18/02/2020'],
    }
)

expected_output = pd.DataFrame(
    {
        'mobileNumber': [253717011202, 2530727013202, 12345678910],
        'smartcard': [25106064745190900, 2510606474519120, 2311607474519120],
        'country': ['Latvia', 'Sudan', 'Zambia'],
        'preferred_item': ['EXTRA', 'GOLD', 'EXTRA, GOLD'],
        'average_revenue': [3898.305085, 2542.372881, 2542.372881],
        'last_transaction': ['2021-06-26', '2021-04-09', '2021-04-09'],
    }
)

解决方案代码 #

import pandas as pd

def calculate_customer_stats(df):
    # 转换交易日期为datetime类型
    df['transaction date'] = pd.to_datetime(df['transaction date'], format='%d/%m/%Y')
    
    # 1. 计算每个客户的平均Net Revenue和最新交易日期
    customer_summary = df.groupby(['mobileNumber', 'smartcard', 'country']).agg(
        average_revenue=('Net Revenue', 'mean'),
        last_transaction=('transaction date', 'max')
    ).reset_index()
    
    # 格式化最新交易日期为YYYY-MM-DD
    customer_summary['last_transaction'] = customer_summary['last_transaction'].dt.strftime('%Y-%m-%d')
    
    # 2. 统计每个客户下各商品的购买数量和Net Revenue总额
    item_stats = df.groupby(['mobileNumber', 'item']).agg(
        purchase_count=('item', 'count'),
        total_revenue=('Net Revenue', 'sum')
    ).reset_index()
    
    # 3. 筛选每个客户的首选商品
    def get_preferred_items(group):
        # 按购买数量降序，总营收降序排序
        sorted_group = group.sort_values(['purchase_count', 'total_revenue'], ascending=False)
        # 获取最高的购买数量和对应总营收
        max_count = sorted_group['purchase_count'].iloc[0]
        max_revenue = sorted_group[sorted_group['purchase_count'] == max_count]['total_revenue'].iloc[0]
        # 筛选符合条件的商品
        preferred = sorted_group[(sorted_group['purchase_count'] == max_count) & 
                                 (sorted_group['total_revenue'] == max_revenue)]['item']
        # 用逗号分隔多个商品
        return ', '.join(sorted(preferred.unique()))
    
    preferred_items = item_stats.groupby('mobileNumber').apply(get_preferred_items).reset_index(name='preferred_item')
    
    # 4. 合并结果
    final_result = pd.merge(customer_summary, preferred_items, on='mobileNumber')
    
    # 转换mobileNumber和smartcard为整数类型（匹配预期输出格式）
    final_result['mobileNumber'] = final_result['mobileNumber'].astype(int)
    final_result['smartcard'] = final_result['smartcard'].astype(int)
    
    # 调整列顺序匹配预期输出
    final_result = final_result[['mobileNumber', 'smartcard', 'country', 'preferred_item', 'average_revenue', 'last_transaction']]
    
    return final_result

# 测试函数
result = calculate_customer_stats(df)
print(result)

# 验证与预期输出是否一致
print(pd.testing.assert_frame_equal(result, expected_output, check_dtype=False))

代码说明 #

1. 日期转换：将交易日期字符串转为datetime类型，方便后续计算最新日期。
2. 客户基础统计：按mobileNumber、smartcard、country分组，计算平均营收和最新交易日期，并格式化日期。
3. 商品统计：按客户和商品分组，统计每个商品的购买数量和总营收。
4. 首选商品筛选：对每个客户的商品统计结果排序，筛选出购买数量最多、总营收最高的商品，多个符合条件时用逗号分隔。
5. 结果合并：将基础统计和首选商品结果合并，调整列顺序和数据类型，匹配预期输出。

内容的提问来源于stack exchange，提问作者Mwai.John