[英]creating a loop to find out number of sales within the first 20 days
我是py的新手,无法弄清楚如何在首次销售后20天找到销售电话的数量。 问题是让我计算出在开始的20天内至少拨打了10个电话的销售人员的百分比。 每行都是一个销售电话,销售人员用col id
表示,销售电话的时间记录在call_starttime
。
df非常简单,看起来像这样
id call_starttime level
0 66547 7/28/2015 23:18 1
1 66272 8/10/2015 20:48 0
2 66547 8/20/2015 17:32 2
3 66272 8/31/2015 18:21 0
4 66272 8/31/2015 20:25 0
我已经计算出每个id的convos数量,并且可以过滤掉未进行至少10次电话销售的任何人
目前正在使用的代码是
df_withcount=df.groupby(['cc_user_id','cc_cohort']).size().reset_index(name='count')
df_20andmore=df_withcount.loc[(df_withcount['count'] >= 20)]
我希望输出结果可以告诉我ID(销售人员)在最初20天内至少拨打了10次电话的数量。 到目前为止,我只能弄清楚该如何在整个时间内至少拨打10个电话
我假设call_starttime列为 DateTime类型。
让我们从一个简化的解决方案开始,仅检查第二个呼叫(而不检查10个后续呼叫)。
我略微更改了您的测试数据,以便id = 66272的人在第一个电话(8月10日和19日)之后的20天内拥有第二个电话:
id call_starttime level
0 66547 2015-07-28 23:18:00 1
1 66272 2015-08-10 20:48:00 0
2 66547 2015-08-20 17:32:00 2
3 66272 2015-08-19 18:21:00 0
4 66272 2015-08-31 20:25:00 0
第一步是定义一个函数,说明当前人员是否处于“活动状态”(他从第一个呼叫开始的20天之内进行了第二个呼叫):
def active(grp):
if grp.shape[0] < 2:
return False # Single call
d0 = grp.call_starttime.iloc[0]
d1 = grp.call_starttime.iloc[1]
return (d1 - d0).days < 20
此功能将应用于每组行(针对每个人)。
要获取有关每个人的活动的详细信息,可以运行:
df.groupby('id').apply(active)
对于我的样本数据,结果是:
id
66272 True
66547 False
dtype: bool
但是,如果你有兴趣只在活跃的人的数量 ,使用np.count_nonzero
以上的结果:
np.count_nonzero(df.groupby('id').apply(active))
对于我的样本数据,结果为1 。
如果您想要活跃的人的百分比 ,请将该数字除以df.id.unique()。size (乘以100,以百分比表示结果)。
现在,如何更改此解决方案以检查一个人在最初的20天内是否至少拨打了10次电话:
唯一的区别是, 活动函数应该比较调用0和9的日期。
因此,此功能应更改为:
def active(grp):
if grp.shape[0] < 10:
return False # Too little calls
d0 = grp.call_starttime.iloc[0]
d1 = grp.call_starttime.iloc[9]
return (d1 - d0).days < 20
我假设源行按call_starttime排序 。 如果不是这种情况,请在之前调用sort_values(by ='call_starttime') 。
我想出了另一种解决方案,包括按级别列分组,对源数据排序没有要求,并且在此期间的初始天数和调用次数都易于进行参数化。
测试数据框:
id call_starttime level
0 66547 2015-07-28 23:18:00 1
1 66272 2015-08-10 19:48:00 0
2 66547 2015-08-20 17:32:00 1
3 66272 2015-08-19 18:21:00 0
4 66272 2015-08-29 20:25:00 0
5 66777 2015-08-30 20:00:00 0
级别0包含一个在开始的20天内(8月10日,19日和29日)有3个呼叫的人。 但是请注意,最后一次呼叫的时间比第一次呼叫晚,因此实际上这两个TimeStamp相隔19天以上 ,但是由于我的解决方案清除了时间部分,因此将考虑最后一次呼叫。
从定义函数开始:
def activity(grp, dayNo):
stDates = grp.dt.floor('d') # Delete time component
# Leave dates from starting "dayNo" days
stDates = stDates[stDates < stDates.min() + pd.offsets.Day(dayNo)]
return stDates.size
给出第一天无天内特定人员的呼叫数量( call_starttime值组)。
下一个要定义的功能是:
def percentage(s, callNo):
return s[s >= callNo].size * 100 / s.size
计算s (当前级别的Series )中大于等于callNo的值的百分比。
第一处理步骤是计算一个系列 -呼叫数,所定义的“起动期间”内,对于每个电平 / ID:
calls = df.groupby(['level', 'id']).call_starttime.apply(activity, dayNo=20)
结果(针对我的数据)为:
level id
0 66272 3
66777 1
1 66547 1
Name: call_starttime, dtype: int64
要获取最终结果(假设需要进行3次调用,则为每个级别的百分比),请运行:
calls.groupby(level=0).apply(percentage, callNo=3)
请注意,上面的level = 0是对MultiIndex级别的引用,而不是对列名的引用。
结果(再次用于我的数据)为:
level
0 50.0
1 0.0
Name: call_starttime, dtype: float64
级别0拥有一个满足条件的人员(此级别共有2位人员),所以该百分比为50,而在级别1则没有人满足条件,因此该百分比为0 。
请注意,使用dayNo和callNo参数可以很容易地进行参数化,涉及每个人的“初始时间段”的长度以及该时间段内要拨打的电话数。
上面描述的计算是针对3个调用的,但是在您的情况下, 请将callNo更改为您的值,即10 。
如您所见,该解决方案很短(只有8行代码),比其他解决方案要短得多,并且“ Pandasonic”要多得多。
如果你喜欢一个“简洁”的编码风格,你也可以做一个单一的 (虽然显著链接)指令的整个计算:
df.groupby(['level', 'id']).call_starttime\
.apply(activity, dayNo=20).rename('Percentage')\
.groupby(level=0).apply(percentage, callNo=3)
我添加了.rename('Percentage')来更改结果Series的名称。
我使用了Person类来帮助解决此问题。
我已经测试过我的代码,并且效果很好。 可以进行改进,但是我的主要重点是实现良好的工作解决方案。 如果您有任何疑问,请告诉我。
import pandas as pd
from datetime import timedelta
import datetime
import numpy as np
# prep data for dataframe
lst = {'call_start_time':['7/28/2015','8/10/2015','7/28/2015','7/28/2015'],
'level':['1','0','1','1'],
'id':['66547', '66272', '66547','66547']}
# create dataframe
df = pd.DataFrame(lst)
# convert to TimeDelta object to subtract days
for index, row in df.iterrows():
row['call_start_time'] = datetime.datetime.strptime(row['call_start_time'], "%m/%d/%Y").date()
# get the end date by adding 20 days to start day
df["end_of_20_days"] = df["call_start_time"] + timedelta(days=20)
# used below comment for testing might need it later
# df['Difference'] = (df['end_of_20_days'] - df['call_start_time']).dt.days
# created person class to keep track of days_count and id
class Person(object):
def __init__(self, id, start_date, end_date):
self.id = id
self.start_date = start_date
self.end_date = end_date
self.days_count = 1
# create list to hold objects of person class
person_list = []
# populate person_list with Person objects and their attributes
for index, row in df.iterrows():
# get result_id to use as conditional for populating Person objects
result_id = any(x.id == row['id'] for x in person_list)
# initialize Person objects and inject with data from dataframe
if len(person_list) == 0:
person_list.append(Person(row['id'], row['call_start_time'], row['end_of_20_days']))
elif not(result_id):
person_list.append(Person(row['id'], row['call_start_time'], row['end_of_20_days']))
else:
for x in person_list:
# if call_start_time is within 20 days time frame, increment day_count to Person object
diff = (x.end_date - row['call_start_time']).days
if x.id == row['id'] and diff <= 20 :
x.days_count += 1
break
# flag to check if nobody hit the sales mark
flag = 0
# print out only person_list ids who have hit the sales mark
for person in person_list:
if person.days_count >= 10:
flag = 1
print("person id:{} has made {} calls within the past 20 days since first call date".format(person.id, person.days_count))
if flag == 0:
print("No one has hit the sales mark")
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.