如何用Pandas识别流失用户：判断最后3周无会话的用户

需求说明 #

我们需要从包含用户ID、登录周数（Week）、周会话数（Sessions）的DataFrame中，标记出流失用户（定义为用户生命周期的最后3周无任何会话），并添加'Churn Session'和'Churned_user'两列。

具体实现步骤 #

• 步骤1：准备示例数据
  先创建模拟用户行为的示例DataFrame：

  import pandas as pd
  
  data = {
      'UserID': [1,1,1,1,1,2,2,2,2,3,3,3],
      'Week': [1,2,3,4,5,1,2,3,4,1,2,3],
      'Sessions': [5,3,2,4,1,6,4,3,0,2,1,0]
  }
  df = pd.DataFrame(data)
  

• 步骤2：计算每个用户的生命周期最后一周
  按用户分组获取每个用户的最大周数（即生命周期终点），并合并到原DataFrame：

  user_last_week = df.groupby('UserID')['Week'].max().reset_index(name='Last_Week')
  df = df.merge(user_last_week, on='UserID', how='left')
  

• 步骤3：标记流失观察期的周
  判断每条记录是否属于用户生命周期的最后3周，生成'Churn Session'标记列：

  df['Churn Session'] = df.apply(
      lambda x: 1 if (x['Week'] >= x['Last_Week'] - 2) and (x['Week'] <= x['Last_Week']) else 0,
      axis=1
  )
  

• 步骤4：识别流失用户
  检查每个用户在最后3周的会话总数是否为0，生成'Churned_user'标记列：

  user_churn_check = df[df['Churn Session'] == 1].groupby('UserID')['Sessions'].sum().reset_index(name='Total_Churn_Sessions')
  user_churn_check['Churned_user'] = user_churn_check['Total_Churn_Sessions'].apply(lambda x: 1 if x == 0 else 0)
  df = df.merge(user_churn_check[['UserID', 'Churned_user']], on='UserID', how='left')
  

• 步骤5：清理临时列并查看结果
  删除临时的Last_Week列，得到最终目标DataFrame：

  df = df.drop('Last_Week', axis=1)
  print(df)
  

运行上述代码后，用户3的Churned_user会被标记为1，符合示例中的流失条件，其他用户则为0。

内容的提问来源于stack exchange，提问作者FilipaF