客户交付模式分析：Pandas数据提取方法

本文深入解析如何运用Pandas数据提取技巧，高效分析客户交付模式，助力物流优化。针对物流或交付数据集，文章详细阐述了如何通过Pandas对数据进行排序、智能去重和分组聚合等操作，精准识别并量化重复出现的客户交付序列，即“客户链”。这种方法能有效揭示交付人员在不同趟次中客户访问顺序的规律性，即使同一客户在单次交付中被多次访问，也能准确识别其在链中的唯一位置。通过分析客户链的出现频率和比例，企业能够更深入地了解交付路线，从而优化操作流程，提升物流效率，改善客户体验。本文提供完整代码示例，方便读者快速上手实践。

在物流和交付场景中，分析交付人员的客户访问顺序对于优化路线、提高效率具有重要意义。本教程将展示如何从包含交付明细的Pandas DataFrame中提取并统计重复出现的客户交付序列（简称“客户链”），即使同一客户在单次交付中被多次访问，也能准确识别其在链中的唯一位置。

数据结构与问题定义

假设我们有一个Pandas DataFrame，记录了交付人员的每次交付活动，包含以下核心列：

• DateTime: 交付时间
• SortieNumber: 交付趟次编号
• CustomerName: 客户名称
• ProductCode: 产品代码 (在本分析中不相关)

我们的目标是：

1. 识别每个SortieNumber内客户的访问顺序。
2. 忽略同一趟次内同一客户的重复访问（如果它们是连续的）。
3. 统计不同客户链的出现频率。

以下是一个示例数据集：

import pandas as pd
from io import StringIO

data = """DateTime,SortieNumber,CustomerName,ProductCode
01/01/2023 09:00:00,1,Josh,001
01/01/2023 09:10:00,1,Alice,002
01/01/2023 09:15:00,1,Robert,002
01/01/2023 12:00:00,2,Anna,001
01/01/2023 12:00:10,2,Anna,003
01/01/2023 12:15:00,2,Robert,003
01/01/2023 15:00:00,3,Josh,004
01/01/2023 15:05:10,3,Alice,003
01/01/2023 15:15:00,3,Robert,001
01/01/2023 15:30:10,3,Robert,002
01/01/2023 15:35:15,3,Robert,003
"""

df = pd.read_csv(StringIO(data))
# 确保DateTime列为日期时间类型，以便正确排序
df['DateTime'] = pd.to_datetime(df['DateTime'])

print("原始DataFrame:")
print(df)

提取客户链的步骤

为了实现上述目标，我们将采用以下Pandas操作步骤：

1. 数据排序

首先，我们需要确保每个SortieNumber内部的记录是按照时间顺序排列的，这样才能正确捕获客户的访问序列。

df_sorted = df.sort_values(by=['SortieNumber', 'DateTime'])
print("\n排序后的DataFrame:")
print(df_sorted)

2. 处理趟次内连续重复客户

在某些情况下，同一趟次内可能会对同一客户进行多次连续交付（例如，交付不同产品）。为了准确构建客户链，我们只关心客户被访问的“唯一”顺序，即如果客户A连续出现多次，我们只将其视为链中的一个节点。

这里我们使用一个技巧：检查当前行与上一行在SortieNumber和CustomerName上是否都相同。如果两者不同（即ne().any(axis=1)），则表示这是一个新的客户访问或新的趟次开始。

# 过滤掉同一趟次内连续重复的客户访问
# `ne(d.shift())` 比较当前行与上一行是否不同
# `.any(axis=1)` 检查'SortieNumber'或'CustomerName'任一列不同，则保留该行
df_unique_customers = df_sorted.loc[
    df_sorted[['SortieNumber', 'CustomerName']]
    .ne(df_sorted[['SortieNumber', 'CustomerName']].shift())
    .any(axis=1)
]

print("\n过滤连续重复客户后的DataFrame:")
print(df_unique_customers)

注意事项：

• 如果可以保证在同一个SortieNumber内，一个客户被访问后，除非该趟次结束或有其他客户在中间被访问，否则该客户不会再次出现（即不会出现 A -> B -> A 的情况，只有 A -> A -> B 或 A -> B），那么可以使用更简洁的 df.drop_duplicates(['SortieNumber', 'CustomerName']) 来达到相同的效果。但上述 ne().any(axis=1) 方法在处理更复杂的数据模式时更为健壮。

3. 构建客户链字符串

现在，对于每个SortieNumber，我们已经得到了去重后的客户访问序列。接下来，我们将这些客户名称连接成一个字符串，形成客户链。

# 按SortieNumber分组，并将CustomerName连接成字符串
customer_chains = df_unique_customers.groupby('SortieNumber')['CustomerName'].agg('-'.join)

print("\n每个趟次的客户链:")
print(customer_chains)

4. 统计客户链频率

最后一步是统计每个独特的客户链出现了多少次。

# 统计每个客户链的出现次数
chain_counts = customer_chains.value_counts()

print("\n客户链出现次数统计:")
print(chain_counts)

如果需要获取每个客户链的出现比例，可以将 normalize=True 参数传递给 value_counts()：

# 统计每个客户链的出现比例
chain_proportions = customer_chains.value_counts(normalize=True)

print("\n客户链出现比例统计:")
print(chain_proportions)

完整代码示例

将上述步骤整合，形成一个完整的解决方案：

import pandas as pd
from io import StringIO

data = """DateTime,SortieNumber,CustomerName,ProductCode
01/01/2023 09:00:00,1,Josh,001
01/01/2023 09:10:00,1,Alice,002
01/01/2023 09:15:00,1,Robert,002
01/01/2023 12:00:00,2,Anna,001
01/01/2023 12:00:10,2,Anna,003
01/01/2023 12:15:00,2,Robert,003
01/01/2023 15:00:00,3,Josh,004
01/01/2023 15:05:10,3,Alice,003
01/01/2023 15:15:00,3,Robert,001
01/01/2023 15:30:10,3,Robert,002
01/01/2023 15:35:15,3,Robert,003
"""

df = pd.read_csv(StringIO(data))
df['DateTime'] = pd.to_datetime(df['DateTime'])

# 核心处理逻辑
result_counts = (df.sort_values(by=['SortieNumber', 'DateTime'])
                   .loc[lambda d: d[['SortieNumber', 'CustomerName']]
                                 .ne(d[['SortieNumber', 'CustomerName']].shift())
                                 .any(axis=1)]
                   .groupby('SortieNumber')['CustomerName'].agg('-'.join)
                   .value_counts()
                )

print("\n最终客户链出现次数统计:")
print(result_counts)

# 如果需要比例
result_proportions = (df.sort_values(by=['SortieNumber', 'DateTime'])
                        .loc[lambda d: d[['SortieNumber', 'CustomerName']]
                                      .ne(d[['SortieNumber', 'CustomerName']].shift())
                                      .any(axis=1)]
                        .groupby('SortieNumber')['CustomerName'].agg('-'.join)
                        .value_counts(normalize=True)
                     )

print("\n最终客户链出现比例统计:")
print(result_proportions)

总结

通过本教程，我们学习了如何利用Pandas的强大功能，从复杂的交付数据中提取有价值的客户访问序列模式。关键步骤包括：

1. 按趟次和时间精确排序，确保序列的正确性。
2. 智能去重，识别并过滤掉同一趟次内连续的重复客户访问，聚焦于核心的访问顺序。
3. 分组聚合，将每个趟次的客户序列构建成易于分析的字符串形式。
4. 频率统计，量化不同客户链的出现频率或比例。

这种分析方法不仅适用于物流和交付场景，也可以推广到任何需要分析序列模式的数据集，例如用户行为路径、生产线流程等。通过识别重复模式，企业可以优化操作流程、预测行为趋势，并最终提升效率和用户体验。

今天关于《客户交付模式分析：Pandas数据提取方法》的内容就介绍到这里了，是不是学起来一目了然！想要了解更多关于的内容请关注golang学习网公众号！