如何用Pandas计算团队月度Dials-to-Conn/Conv平均率及日期解析问题

1. 修复Timerange字段的月份提取问题 #

你的Timerange是'10/3 - 10/7'这类范围格式，直接用pd.DatetimeIndex解析会触发报错，因为它并非单个标准日期格式。可以用两种简单方法提取月份：

• 字符串拆分法：直接截取范围中第一个日期的月份部分，通用适配同格式数据

  # 拆分时间范围取第一个日期，再提取月份并转为整数
  df['Month'] = df['Timerange'].str.split(' - ').str[0].str.split('/').str[0].astype(int)
  

• 正则匹配法：通过正则精准提取开头的数字月份，兼容性更强

  import re
  df['Month'] = df['Timerange'].apply(lambda x: int(re.match(r'(\d+)\/', x).group(1)))
  

2. 计算团队整月平均转化率 #

假设你的DataFrame包含Dials（拨号数）、Connections（接通数）、Conversations（会话数）字段，按以下步骤计算目标比率：

实现代码 #

# 筛选10月数据（若数据集包含其他月份）
oct_data = df[df['Month'] == 10]

# 计算单条记录的两个转化率
oct_data['Dials_to_connection'] = oct_data['Connections'] / oct_data['Dials']
oct_data['Dials_to_conversation'] = oct_data['Conversations'] / oct_data['Dials']

# 计算团队整月平均率并整理格式
team_avg = oct_data[['Dials_to_connection', 'Dials_to_conversation']].mean().reset_index()
team_avg.columns = ['Metric', 'Team Monthly Average']

输出示例表格 #

简化方案（仅针对全10月数据） #

如果你的数据集所有Timerange都属于10月，可跳过月份提取步骤，直接计算：

team_avg = df.assign(
    Dials_to_connection=df['Connections']/df['Dials'],
    Dials_to_conversation=df['Conversations']/df['Dials']
)[['Dials_to_connection', 'Dials_to_conversation']].mean().reset_index()
team_avg.columns = ['Metric', 'Team Monthly Average']

内容的提问来源于stack exchange，提问作者Tushaar