Data binning, bucketing, hoặc rời rạc binning, là một kỹ thuật rất hữu ích cho cả tiền xử lý và hiểu hoặc trực quan hóa dữ liệu phức tạp, đặc biệt là trong quá trình phân khúc khách hàng. Nó được áp dụng cho các biến liên tục, chẳng hạn như doanh thu, đơn đặt hàng hoặc lần truy cập gần đây và nhóm nhiều dãy số lại với nhau thành một số lượng nhỏ các "thùng" hoặc "nhóm" riêng biệt. Thực tế, nó cho phép bạn tạo các biến phân loại từ các biến liên tục
Hai ứng dụng thực sự phổ biến của data binning trong thương mại điện tử là phân loại khoảng không quảng cáo ABC và phân đoạn RFM. Phân loại hàng tồn kho ABC sử dụng tỷ lệ phần trăm doanh thu tích lũy do mỗi SKU sản phẩm tạo ra để phân bổ nó vào loại A, B hoặc C, dựa trên đóng góp của nó cho doanh nghiệp, do đó giúp người quản lý thu mua kiểm soát tốt hơn danh mục sản phẩm rộng
Phân đoạn RFM lấy các biến RFM mạnh mẽ - lần truy cập gần đây, tần suất và giá trị tiền tệ - và phân loại chúng thành các nhóm từ 1 đến 5, dẫn đến 125 điểm từ 111 đến 555. Những điều này có thể cho các nhà tiếp thị thấy giá trị gần đúng của từng khách hàng đối với doanh nghiệp và liệu họ có nguy cơ mất hiệu lực hay mới mua hay không, điều mà họ không thể thực hiện chỉ từ các giá trị thô
Việc tạo thùng thống kê có thể được thực hiện nhanh chóng và dễ dàng trong Python, sử dụng cả chức năng Pandas, scikit-learning và tùy chỉnh. Ở đây, chúng tôi sẽ sử dụng nhiều kỹ thuật tạo thùng khác nhau để hiểu rõ hơn về tập dữ liệu thương mại điện tử điển hình
Tải tập dữ liệu của bạn
Trong dự án này, chúng tôi sẽ sử dụng tập dữ liệu Bán lẻ trực tuyến của Kho lưu trữ máy học UCI. Đó là tập dữ liệu giao dịch thông thường, vì vậy bạn sẽ dễ dàng tạo một phiên bản tương tự từ dữ liệu của chính mình nếu muốn. Tải lên Pandas và Numpy và nhập tập dữ liệu
import pandas as pd
import numpy as np
import jenkspy
import warnings
warnings.filterwarnings['ignore']
df = pd.read_csv['uci_online_retail.csv']
Pandas có thể khá chậm khi mở các tệp Excel, vì vậy khi tôi sử dụng tập dữ liệu này thường xuyên, tôi đã lưu lại nó dưới dạng tệp CSV để nó mở nhanh hơn. Tôi cũng đã loại bỏ một cột thừa và đổi tên các cột trong khung dữ liệu để chúng gọn gàng hơn một chút và phù hợp hơn với phong cách đặt tên biến thông thường của tôi
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
order_idvariant_idnamequantitydate_createditem_pricecustomer_id053636585123GIỮ ĐÈN T TRÁI TIM TREO TREO62010-12-01 08. 26. 002. 5517850. 0153636571053ĐÈN KIM LOẠI TRẮNG62010-12-01 08. 26. 003. 3917850. 0253636584406BCREAM CUPID HEARTS MANG ÁO 82010-12-01 08. 26. 002. 7517850. 0353636584029GDÂY CHUYỀN CỜ ĐOÀN CHAI NƯỚC NÓNG62010-12-01 08. 26. 003. 3917850. 0453636584029ERED WOOOLLY HOTTIE TRÁI TIM TRẮNG. 62010-12-01 08. 26. 003. 3917850. 0
Kỹ sư một số tính năng bổ sung
Vì tập dữ liệu Bán lẻ trực tuyến không chứa dòng doanh thu và trường ngày giờ không được lưu trữ chính xác, trước tiên, chúng tôi sẽ sử dụng hàm Pandas
df['date_created'] = pd.to_datetime[df['date_created']]
df['line_revenue'] = df['quantity'] * df['item_price']
df.head[]
df_customers = pd.DataFrame[df['customer_id'].unique[]]
df_customers.columns = ['customer_id']
df_customers.head[]
df['date_created'] = pd.to_datetime[df['date_created']]
df['line_revenue'] = df['quantity'] * df['item_price']
df.head[]
order_idvariant_idnamequantitydate_createditem_pricecustomer_idline_revenue053636585123GIỮ ĐÈN TREO TIM TRÁI TIM62010-12-01 08. 26. 002. 5517850. 015. 30153636571053ĐÈN KIM LOẠI TRẮNG62010-12-01 08. 26. 003. 3917850. 020. 34253636584406BCREAM CUPID HEARTS MANG ÁO 82010-12-01 08. 26. 002. 7517850. 022. 00353636584029GDÂY CHUYỀN CỜ ĐOÀN CHAI NƯỚC NÓNG62010-12-01 08. 26. 003. 3917850. 020. 34453636584029ERED WOOOLLY HOTTIE TRÁI TIM TRẮNG. 62010-12-01 08. 26. 003. 3917850. 020. 34
Tạo tập dữ liệu cấp khách hàng
Vì chúng tôi sẽ tạo dữ liệu cấp độ khách hàng, chúng tôi cần lấy tập dữ liệu giao dịch của mình và biến nó thành cấp độ khách hàng. Bước đầu tiên trong quy trình này là tạo một khung dữ liệu mới dựa trên các khách hàng duy nhất trong dữ liệu
df_customers = pd.DataFrame[df['customer_id'].unique[]]
df_customers.columns = ['customer_id']
df_customers.head[]
khách hàng_id017850. 0113047. 0212583. 0313748. 0415100. 0
Tiếp theo, chúng tôi sẽ tính toán
df_customers = pd.DataFrame[df['customer_id'].unique[]]
df_customers.columns = ['customer_id']
df_customers.head[]
df_customers = pd.DataFrame[df['customer_id'].unique[]]
df_customers.columns = ['customer_id']
df_customers.head[]
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
khách hàng_idrecency_daterecency017850. 02011-02-10 14. 38. 003546113047. 02011-11-08 12. 10. 003275212583. 02011-12-07 08. 07. 003246313748. 02011-09-05 09. 45. 003339415100. 02011-01-13 17. 09. 003574
Để kiểm tra số lượng đơn hàng đã đặt, chúng ta có thể tính toán số lượng giá trị
df_customers = pd.DataFrame[df['customer_id'].unique[]]
df_customers.columns = ['customer_id']
df_customers.head[]
df_customers = pd.DataFrame[df['customer_id'].unique[]]
df_customers.columns = ['customer_id']
df_customers.head[]
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
khách hàng_idrecency_daterecencyfrequency017850. 02011-02-10 14. 38. 00354635113047. 02011-11-08 12. 10. 00327518212583. 02011-12-07 08. 07. 00324618313748. 02011-09-05 09. 45. 0033395415100. 02011-01-13 17. 09. 0035746
Để tính giá trị
df_customers = pd.DataFrame[df['customer_id'].unique[]]
df_customers.columns = ['customer_id']
df_customers.head[]
df_customers = pd.DataFrame[df['customer_id'].unique[]]
df_customers.columns = ['customer_id']
df_customers.head[]
df_customers = pd.DataFrame[df['customer_id'].unique[]]
df_customers.columns = ['customer_id']
df_customers.head[]
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
customer_idrecency_daterecencyfrequencymonetary017850. 02011-02-10 14. 38. 003546355288. 63113047. 02011-11-08 12. 10. 003275183079. 10212583. 02011-12-07 08. 07. 003246187187. 34313748. 02011-09-05 09. 45. 0033395948. 25415100. 02011-01-13 17. 09. 0035746635. 10
Cuối cùng, để tính toán số liệu
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
df_customers = pd.DataFrame[df['customer_id'].unique[]]
df_customers.columns = ['customer_id']
df_customers.head[]
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
df['date_created'] = pd.to_datetime[df['date_created']]
df['line_revenue'] = df['quantity'] * df['item_price']
df.head[]
khách hàng_idrecency_daterecencytần suất tiền tệ giống017850. 02011-02-10 14. 38. 003546355288. 6324113047. 02011-11-08 12. 10. 003275183079. 10106212583. 02011-12-07 08. 07. 003246187187. 34115313748. 02011-09-05 09. 45. 0033395948. 2524415100. 02011-01-13 17. 09. 0035746635. 101
Sự rời rạc dựa trên lượng tử
Phương pháp tạo thùng đầu tiên mà chúng tôi sẽ áp dụng được gọi là hàm rời rạc hóa dựa trên lượng tử hoặc qcut. Phương pháp này tạo các nhóm bằng nhau [hoặc xấp xỉ bằng nhau] dựa trên thứ hạng hoặc ranh giới lượng tử cụ thể của chúng. Đó là kỹ thuật tiêu chuẩn để tạo nhóm ngũ phân vị RFM
Đầu tiên, chúng tôi sẽ chuyển dữ liệu trong cột
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
Đối với mục đích trình diễn, tôi đã xác định cụ thể các ranh giới ngăn, vì vậy các ngăn này là 0-0. 2 trong Rất thấp, 0. 2-0. 4 ở Thấp, 0. 4-0. 6 ở Trung bình, 0. 6-0. 8 ở mức cao và 0. 8-1 trong Rất cao. Tuy nhiên, bạn không cần cung cấp những thứ này nếu bạn sắp xếp các thùng đều nhau. Bạn chỉ cần cung cấp số lượng nhãn và
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
df['date_created'] = pd.to_datetime[df['date_created']]
df['line_revenue'] = df['quantity'] * df['item_price']
df.head[]
df['date_created'] = pd.to_datetime[df['date_created']]
df['line_revenue'] = df['quantity'] * df['item_price']
df.head[]
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
Nếu bạn xem nội dung của các thùng bằng cách sử dụng tổng hợp và tính giá trị tối thiểu, tối đa và trung bình cho cột đa dạng, bạn sẽ cảm nhận được cách dữ liệu được phân phối. Kích thước thùng xấp xỉ bằng nhau [nhưng không hoàn toàn bằng nhau] và tăng đúng kích thước như đã xác định
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
min_varietymax_varietyavg_varietyvariety_binRất thấp1126. 472254Thấp132619. 279775Trung bình274836. 109175Cao499267. 258621Rất cao931794178. 728111
Tiếp theo, chúng tôi sẽ tạo một số thùng tercile có nhãn A, B và C, sẽ phân khúc khách hàng dựa trên tổng giá trị tiền tệ mà họ đã tạo ra cho doanh nghiệp. Vì chúng tôi muốn các ranh giới chẵn, chúng tôi chỉ cần chuyển 3 cho đối số q và dữ liệu sẽ được chia đều. Chúng tôi nhận được ba thùng với 1458, 1457 và 1457 khách hàng trong mỗi thùng
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
Sử dụng cùng một phương pháp tổng hợp, chúng ta có thể kiểm tra lại các giá trị tối thiểu, tối đa và trung bình trong mỗi ngăn để hiểu cách phân khúc khách hàng. Có sự khác biệt rõ ràng giữa các khách hàng trong các thùng, vì vậy nhãn ABC hoạt động tốt trong việc giúp mọi người hiểu được sự đóng góp của từng khách hàng đối với doanh nghiệp trong nháy mắt
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
min_monetarymax_monetaryavg_monetarymonetary_binA1141. 34279489. 024815. 372952B374. 701141. 24685. 161594C-4287. 63374. 57196. 013018
Để kiểm tra cả hai thùng cùng nhau, chúng tôi có thể sử dụng
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
đa dạng_binmonetary_bincount43724372unique53topLowCfreq8901458
Cắt
Trong khi tạo thùng thông qua phân tách dựa trên lượng tử với
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
Điều này đôi khi có thể rất hữu ích khi phân phối thống kê của dữ liệu rất sai lệch. Ví dụ: có thể bạn đang phân tích dữ liệu khách hàng trong 20 năm và hầu hết khách hàng đã mất hiệu lực, với doanh thu hiện tại đến từ một phần nhỏ hơn những người đang hoạt động
Sử dụng
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
Như bạn có thể thấy từ đoạn mã trên, việc chạy hàm
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
K-có nghĩa là cụm
Một cách tiếp cận phổ biến khác để tạo dữ liệu phân loại từ các biến liên tục và các biến khác là sử dụng các kỹ thuật học không giám sát, chẳng hạn như phân cụm. Thuật toán phân cụm K-means có lẽ được sử dụng rộng rãi nhất cho mục đích này và có thể được áp dụng nhanh chóng và dễ dàng cho một hoặc nhiều cột trong khung dữ liệu để trả về cụm được tạo động
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
đa dạngclusterclass_kmeans0240C11060C21150C3240C410C
df['date_created'] = pd.to_datetime[df['date_created']]
df['line_revenue'] = df['quantity'] * df['item_price']
df.head[]
df['date_created'] = pd.to_datetime[df['date_created']]
df['line_revenue'] = df['quantity'] * df['item_price']
df.head[]
Giảm giá trị duy nhất
Một ứng dụng tuyệt vời khác của data binning là khi nó được áp dụng để giảm các giá trị duy nhất trong một cột gồm các biến phân loại. Điều này thực sự có thể giúp mô hình của bạn nhìn thấy gỗ từ cây. Ví dụ: cột
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
Tuy nhiên, giả sử chúng ta muốn sử dụng nó như một biến phân loại [đó là một ý tưởng ngu ngốc, nhưng hy vọng bạn sẽ hiểu được bức tranh]. Để làm điều này, chúng tôi cần giảm đáng kể số lượng của nó, điều mà chúng tôi có thể thực hiện bằng cách tạo dữ liệu dựa trên ngưỡng xuất hiện. Đây là một chức năng làm điều đó cho chúng tôi
df['date_created'] = pd.to_datetime[df['date_created']]
df['line_revenue'] = df['quantity'] * df['item_price']
df.head[]
Bây giờ, nếu chúng tôi chạy tính năng trên cột tên và đặt ngưỡng thành 2000, sau đó kiểm tra lại
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
df['date_created'] = pd.to_datetime[df['date_created']]
df['line_revenue'] = df['quantity'] * df['item_price']
df.head[]
order_idvariant_idnamequantitydate_createditem_pricecustomer_idline_revenuereduce_name053636585123GIỮ ĐÈN TREO TIM TRÁI TIM62010-12-01 08. 26. 002. 5517850. 015. 30ĐÈN ĐÈN T TREO TREO TRÁI TIM153636571053ĐÈN KIM LOẠI TRẮNG62010-12-01 08. 26. 003. 3917850. 020. 34Khác253636584406BCREAM CUPID TRÁI TIM MANG ÁO 82010-12-01 08. 26. 002. 7517850. 022. 00Khác353636584029GDÂY CHUYỀN CỜ CÔNG ĐOÀN CHAI NƯỚC NÓNG62010-12-01 08. 26. 003. 3917850. 020. 34Khác453636584029ERED TRÁI TIM TRẮNG LEN NỔI BẬT. 62010-12-01 08. 26. 003. 3917850. 020. 34Khác
df['date_created'] = pd.to_datetime[df['date_created']]
df['line_revenue'] = df['quantity'] * df['item_price']
df.head[]
df['date_created'] = pd.to_datetime[df['date_created']]
df['line_revenue'] = df['quantity'] * df['item_price']
df.head[]
Xẻ tự nhiên Fisher-Jenks
Cách tiếp cận cuối cùng mà chúng ta có thể áp dụng được gọi là thuật toán Fisher-Jenks. Đây là một cái mới đối với tôi, cho đến khi Chris Moffitt tại Practical Business Python trình bày về nó, nhưng nó trông thực sự tiện dụng. Thuật toán Fisher-Jenks, hoặc phương pháp tối ưu hóa Jenks, được sử dụng để xác định các phân tách tự nhiên trong bộ dữ liệu một chiều
Nó dường như cho kết quả gần giống nhất với phân cụm K-means, nhưng đáng để xem xét nếu có một điểm ngắt tự nhiên cụ thể mà bạn muốn xác định trong một chuỗi. Giống như phân cụm K-means, bạn cần xác định số lần ngắt. Nếu chúng ta chạy cái này trên cột
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
df['date_created'] = pd.to_datetime[df['date_created']]
df['line_revenue'] = df['quantity'] * df['item_price']
df.head[]
df['date_created'] = pd.to_datetime[df['date_created']]
df['line_revenue'] = df['quantity'] * df['item_price']
df.head[]
Bây giờ chúng ta đã biết vị trí tự nhiên của các điểm ngắt, chúng ta có thể sử dụng các vị trí này làm giới hạn cho hàm
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]
df.drop[['Unnamed: 0', 'Country'], axis=1, inplace=True]
df.rename[columns={'InvoiceNo': 'order_id',
'StockCode': 'variant_id',
'Description': 'name',
'InvoiceDate': 'date_created',
'UnitPrice': 'item_price',
'Quantity': 'quantity',
'CustomerID': 'customer_id'}, inplace=True]
df.head[]