Детектив данных: “🐍 Переходы клиентов из канала в канал и диаграмма Санкей #кодимпитони…”

🐍 Переходы клиентов из канала в канал и диаграмма Санкей
#кодимпитоним
Насмотревшись на Валерию с канала "Мир аналитика данных" решил тоже периодически писать о некоторых моих реальных рабочих задачах на питоне и способе их решения. В комментариях будет выложен питоновский файл чуть расширенный с дополнительными комментариями в коде

Была поставлена задача узнать какие клиенты меняли канал продаж, и в каком месяце. Сейчас посмотрим а так-же построим на основе данных диаграмму Санкей, чтобы понимать визуально, из какого-канала куда переходит клиент (а бонусом превратим диаграмму в гоночный трек 😁 )

Итак представим что у нас есть датасет, со следующими данными
- клиент
- канал
- и месяц - предположим что у нас выгрузка за пол года

Сгенерируем датасет для работы:

import random 
import pandas as pd
import numpy as np 
 
clients = [str(random.randint(1, 999999)) for _ in range(20)] 
clients = clients * 6 
 
channels = ['E-com', 'B2B', 'B2C'] 
channel = [random.choice(channels) for _ in range(120)] 
 
date_month = [] 
for i in range(2, 8): 
    date_month.extend([str(i)] * 20) 
 
data = { 
    'client': clients, 
    'channel': channel, 
    'date_month': date_month 
} 
 
df = pd.DataFrame(data)

Пробежимся по коду:
1. Создаём список клиентов в количестве 20, и умножаем список на 6, получая подобие выгрузки к которой в дальнейшем добавим месяцы
2. Формируем список из допустим трёх каналов случайным образом в количестве 120, под весь наш датасет
3. формируем месяцы циклом от 2 до 7 месяца - по 20 раз

Начинаем изучать датасет:
Сначала посчитаем сколько каналов было у каждого клиента, а затем присоединим полученную цифру в наш датасет

count_channel = df.groupby('client')['channel'].nunique().rename('unique_channels')
dfmain = df.join(count_channel, on='client', how='left')

Затем добавим метку клиенту - менялся или не менялся у клиента канал, нагляднее это сделать с библиотекой numpy. В нашей случайной выборке скорее всего таких клиентов не будет, но в реальных данных таких клиентов было большинство

dfmain['change_channel'] = np.where(dfmain['unique_channels'] > 1, 'change', 'no change')

Далее в расширенной версии кода мы сохраняем список таких клиентов, но тут места мало, поэтому сразу отсортируем датасет: сначала по клиенту, а потом по месяцу в обратную сторону

dfs = filtered_alldf.sort_values(by=['client', "date_month"], ascending=[True, False])

Убираем дубликаты строк с клиентом и первым каналом, в результате у нас останутся только текущий канал и другие каналы

dfa = dfs.drop_duplicates(subset=['client', 'channel'], keep='first')

С помощью метода cumcount() пронумеруем строки по столбцу клиента, в результате мы получим новый столбец где текущий канал клиента равен 0, второй 1, и тд. Дальше фильтруем таблицу только где значение из нового столбца равно 1, т.е. строку с предыдущим каналом и месяцем его смены

dfa['line'] = dfa.groupby('client').cumcount()
result_df = dfa[dfa['line'] == 1]

Вот в целом мы и решили задачу, осталось всё переименовать столбцы, смёржить, и убрать предыдущие месяцы

result_df = result_df.rename(columns={"channel": "last_channel", "date_month": "last_date_month"})
dfmain5 = pd.merge(dfmain, result_df[['client', 'last_channel', 'last_date_month']], on='client', how='left')
dfmain5 = dfmain5[dfmain5['date_month'] == '7']

Код на график будет в комментариях. График Санкей (шарфы или перетоки) я очень люблю, но он не на всех данных хорошо смотрится. Тут прямо идеально зашёл. (Максимально упрощенный вариант графика в прилагаемом ipynb файле в комментах)

Спасибо за просмотр, если такой формат вам понравился - ставьте лайк.