-
第一步：深度思考计算流程； -
第二步：自动生成Python代码； -
第三步：运行Python代码输出结果
"=PY(""#使用RFM分析法对用户进行分类打分排序# 使用RFM分析法对用户进行分类打分排序# 计算每个用户的R（最近一次购买时间）、F（购买频率）和M（购买金额）import datetime as dt_2_df=xl("表2[[#标题],[#数据]]", headers=True)# 当前日期now = dt.datetime.now()# 计算RFM值rfm = _2_df.groupby('客户ID').agg({'订单日期': lambda x: (now - x.max()).days,'订单ID': 'count','销售额': 'sum'}).reset_index()# 重命名列rfm.columns = ['客户ID', 'R', 'F', 'M']# 对RFM值进行评分rfm['R_Score'] = pd.qcut(rfm['R'], 5, labels=[5, 4, 3, 2, 1])rfm['F_Score'] = pd.qcut(rfm['F'], 5, labels=[1, 2, 3, 4, 5])rfm['M_Score'] = pd.qcut(rfm['M'], 5, labels=[1, 2, 3, 4, 5])# 计算RFM总分rfm['RFM_Score'] = rfm[['R_Score', 'F_Score', 'M_Score']].sum(axis=1)# 按RFM总分排序rfm = rfm.sort_values('RFM_Score', ascending=False)# 显示结果rfm"",1)"
如何快速开始享用Copilot for Microsoft 365？
年初超级优惠活动，扫码添加微信，暗号：copilot
原文始发于微信公众号（AI技术笔记）：Python in Excel高级分析：一键RFM分析
免责声明:文章中涉及的程序(方法)可能带有攻击性，仅供安全研究与教学之用，读者将其信息做其他用途，由读者承担全部法律及连带责任，本站不承担任何法律及连带责任；如有问题可邮件联系(建议使用企业邮箱或有效邮箱,避免邮件被拦截，联系方式见首页)，望知悉。
- 左青龙
- 微信扫一扫
-
- 右白虎
- 微信扫一扫
-
评论