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。

本文旨在教授如何利用Pandas高效处理物流或交付数据集，通过对数据进行排序、智能去重和分组聚合等一系列操作，识别并量化重复出现的客户交付序列（即“客户链”）。这种方法能够揭示交付人员在不同趟次中是否遵循相同的客户访问顺序，从而深入分析交付路线的规律性与效率，为物流优化提供数据支持。

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！