基于Volvic购买记录的用户分群Python实现需求

实现思路 #

核心逻辑是先定位所有曾购买Volvic的用户ID，再通过全集用户ID的差集得到从未购买的用户群体，具体步骤：

1. 从交易数据中筛选品牌为VOLVIC的记录，提取去重后的用户ID
2. 获取数据集中所有去重的用户ID
3. 用全集用户ID减去已购买Volvic的用户ID，得到从未购买的用户

Python代码实现 #

假设输入数据为pandas DataFrame格式，代码如下：

import pandas as pd

def split_users_by_volvic_purchase(df):
    # 获取曾购买Volvic的用户ID（去重）
    volvic_buyers = df[df['Brand'] == 'VOLVIC']['User_ID'].unique()
    # 获取所有用户ID（去重）
    all_users = df['User_ID'].unique()
    # 计算从未购买Volvic的用户ID
    non_volvic_buyers = [user for user in all_users if user not in volvic_buyers]
    
    # 整理输出结果
    result = {
        '从未购买Volvic的用户': pd.DataFrame({'User_ID': non_volvic_buyers}),
        '曾购买Volvic的用户': pd.DataFrame({'User_ID': volvic_buyers})
    }
    
    return result

# 示例使用（读取本地交易数据文件）
# df = pd.read_csv('transaction_records.csv')
# user_groups = split_users_by_volvic_purchase(df)

# 打印分组结果
# print("从未购买Volvic的用户：")
# print(user_groups['从未购买Volvic的用户'].to_markdown(index=False))
# print("\n曾购买Volvic的用户：")
# print(user_groups['曾购买Volvic的用户'].to_markdown(index=False))

示例输出 #

从未购买Volvic的用户：

曾购买Volvic的用户：

内容的提问来源于stack exchange，提问作者Shrouq