R语言：基于前期存活概率计算月度条件流失/预测概率

当然有自动化的实现方法！针对这种按ID分组、基于时序递推的条件流失概率计算，用Python的Pandas库或者SQL都能轻松搞定，下面我给你详细讲两种常用方案：

如果你的数据是CSV/Excel等本地文件，Pandas是最便捷的工具，它能高效处理分组时序计算。

步骤1：数据准备与排序 #

首先确保数据按ID和月份排序，这是递推计算的前提（必须保证每个ID的月份是按时间顺序排列的）。

import pandas as pd

# 示例数据（替换成你的真实数据）
data = {
    'ID': [6800, 6800, 6800, 1234, 1234],
    'month': ['2024-04-30', '2024-05-31', '2024-06-30', '2024-04-30', '2024-05-31'],
    'monthly_churn_prob': [0.54, 0.125, 0.081440443, 0.3, 0.2]
}
df = pd.DataFrame(data)

# 转换月份为日期格式并排序
df['month'] = pd.to_datetime(df['month'])
df = df.sort_values(['ID', 'month']).reset_index(drop=True)

步骤2：自定义函数实现递推计算 #

我们可以给每个ID分组，然后按月份顺序递推计算条件流失概率和存活概率：

• 第一个月的条件流失概率 = 当月的流失概率
• 后续月份的条件流失概率 = 上月末的存活概率 × 当月流失概率
• 存活概率 = 上月末的存活概率 × (1 - 当月流失概率)

def calculate_conditional_churn(group):
    conditional_churns = []
    survival_probs = []
    
    for idx, row in group.iterrows():
        if idx == group.index[0]:
            # 第一个月的初始计算
            cond_churn = row['monthly_churn_prob']
            surv_prob = 1 - cond_churn
        else:
            # 后续月份基于上月存活概率递推
            cond_churn = survival_probs[-1] * row['monthly_churn_prob']
            surv_prob = survival_probs[-1] * (1 - row['monthly_churn_prob'])
        
        conditional_churns.append(cond_churn)
        survival_probs.append(surv_prob)
    
    group['conditional_churn'] = conditional_churns
    group['survival_prob'] = survival_probs
    return group

# 按ID分组应用计算逻辑
result_df = df.groupby('ID').apply(calculate_conditional_churn).reset_index(drop=True)

运行后你就能得到每个ID每个月的条件流失概率，完全匹配你举的例子：比如ID6800的5月条件流失概率是0.46*0.125=0.0575，6月是0.46*(1-0.125)*0.081440443≈0.0335。

步骤3：高效矢量化优化（适合大数据量） #

如果你的数据量很大（比如百万级行），上面的循环方法效率会偏低，可以用Pandas的矢量化操作提速：

# 计算每个ID的存活概率累积乘积
df['survival_cumprod'] = df.groupby('ID')['monthly_churn_prob'].transform(
    lambda x: (1 - x).cumprod()
)

# 用上月的存活累积乘积计算当月条件流失概率
df['prev_survival'] = df.groupby('ID')['survival_cumprod'].shift(1)
df['conditional_churn'] = df.apply(
    lambda row: row['monthly_churn_prob'] if pd.isna(row['prev_survival']) 
    else row['prev_survival'] * row['monthly_churn_prob'],
    axis=1
)

# 存活概率直接用累积乘积结果
df['survival_prob'] = df['survival_cumprod']

如果你的数据存在数据库（比如PostgreSQL、MySQL）里，可以用递归CTE（公共表表达式）实现自动化计算，不需要导出数据到本地。

以PostgreSQL为例：

WITH ranked_data AS (
    -- 先给每个ID的月份排序
    SELECT 
        ID,
        month,
        monthly_churn_prob,
        ROW_NUMBER() OVER (PARTITION BY ID ORDER BY month) AS rn
    FROM your_table_name
),
recursive_churn AS (
    -- 初始化第一个月的计算
    SELECT 
        ID,
        month,
        monthly_churn_prob,
        monthly_churn_prob AS conditional_churn,
        1 - monthly_churn_prob AS survival_prob
    FROM ranked_data
    WHERE rn = 1
    
    UNION ALL
    
    -- 递归计算后续月份
    SELECT 
        r.ID,
        r.month,
        r.monthly_churn_prob,
        rc.survival_prob * r.monthly_churn_prob AS conditional_churn,
        rc.survival_prob * (1 - r.monthly_churn_prob) AS survival_prob
    FROM ranked_data r
    JOIN recursive_churn rc ON r.ID = rc.ID AND r.rn = rc.rn + 1
)
-- 输出最终结果
SELECT ID, month, monthly_churn_prob, conditional_churn, survival_prob
FROM recursive_churn
ORDER BY ID, month;

内容的提问来源于stack exchange，提问作者VASISTA