前沿：
这是天池的一个新人实战塞题目，原址 https://tianchi.aliyun.com/getStart/information.htm?spm=5176.100067.5678.2.e1321db7ydQmSB&raceId=231593 ，下文会分析以下几个过程。
1.数据预处理
2.特征的选取
3.算法的说明
4.结果分析
5.其他
第一部分：数据预处理
原始数据可以从上边链接中下载，拿到.csv文件，可以使用pandas处理。
比如：
dfoff = pd.read_csv('ccf_offline_stage1_train.csv', keep_default_na=False)参数 keep_default_na默认为True，当为True时，文件中的'null'则读物Nan, 此时不能使用 dfoff['Date'] != 'null' 判断，为了对‘null’可以使用 “==”，“！=”，此处设置 keep_default_na=False 。
我们需要得出优惠券与购买的关联数据，以此得出Label。
有以下4中组合：
有优惠券，购买商品条数
无优惠券，购买商品条数
有优惠券，不购买商品条数
无优惠券，不购买商品条数 代码如下：
print('有优惠券，购买商品条数', dfoff[(dfoff['Date_received'] != 'null') & (dfoff['Date'] != 'null')].shape[0])
print('无优惠券，购买商品条数', dfoff[(dfoff['Date_received'] == 'null') & (dfoff['Date'] != 'null')].shape[0])
print('有优惠券，不购买商品条数', dfoff[(dfoff['Date_received'] != 'null') & (dfoff['Date'] == 'null')].shape[0])
print('无优惠券，不购买商品条数', dfoff[(dfoff['Date_received'] == 'null') & (dfoff['Date'] == 'null')].shape[0])
文件中有买多少减多少，需要格式化为折扣率，距离门店格式化为数字等
def convertRate(row):
if row == 'null':
return 1.0
elif ':' in row:
rows = row.split(':')
return 1.0 - float(rows[1])/float(rows[0])
else:
return float(row) def getDiscountMan(row):
if ':' in row:
rows = row.split(':')
return int(rows[0])
else:
return 0 def getDiscountJian(row):
if ':' in row:
rows = row.split(':')
return int(rows[1])
else:
return 0 def getWeekday(row):
if row == 'null':
return row
else:
return date(int(row[0:4]), int(row[4:6]), int(row[6:8])).weekday() + 1 def processData(df):
df['discount_rate'] = df['Discount_rate'].apply(convertRate)
df['discount_man'] = df['Discount_rate'].apply(getDiscountMan)
df['discount_jian'] = df['Discount_rate'].apply(getDiscountJian)
df['discount_type'] = df['Discount_rate'].apply(getDiscountType)
print(df['discount_rate'].unique()) df['distance'] = df['Distance'].replace('null', -1).astype(int)
return df
调用 dfoff = processData(dfoff) 即可格式化以上信息。
注意代码中apply()函数，apply()函数是pandas里面所有函数中自由度最高的函数。该函数如下：
DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds)
对收到优惠券日期处理：
date_received = dfoff['Date_received'].unique() #.unique()删除重复项
date_received = sorted(date_received[date_received != 'null'] #排序
print('优惠券收到日期从',date_received[0],'到', date_received[-1]) #输出最小日期和最大日期
同样对于消费日期处理：
date_buy = dfoff['Date'].unique()
date_buy = sorted(date_buy[date_buy != 'null'])
date_buy = sorted(dfoff[dfoff['Date'] != 'null']['Date'])
print('消费日期从', date_buy[0], '到', date_buy[-1])
将发放的优惠券与被使用的优惠券画图：
couponbydate = dfoff[dfoff['Date_received'] != 'null'][['Date_received', 'Date']].groupby(['Date_received'], as_index=False).count()
couponbydate.columns = ['Date_received','count']
buybydate = dfoff[(dfoff['Date'] != 'null') & (dfoff['Date_received'] != 'null')][['Date_received', 'Date']].groupby(['Date_received'], as_index=False).count()
buybydate.columns = ['Date_received','count'] sns.set_style('ticks')
sns.set_context("notebook", font_scale= 1.4)
plt.figure(figsize = (12,8))
date_received_dt = pd.to_datetime(date_received, format='%Y%m%d') plt.subplot(211)
plt.bar(date_received_dt, couponbydate['count'], label = 'number of coupon received' )
plt.bar(date_received_dt, buybydate['count'], label = 'number of coupon used')
plt.yscale('log')
plt.ylabel('Count')
plt.legend() plt.subplot(212)
plt.bar(date_received_dt, buybydate['count']/couponbydate['count'])
plt.ylabel('Ratio(coupon used/coupon received)')
plt.tight_layout()
plt.show()
得到一幅图：
第二部分：特征的选取
第三部分：算法的说明
第四部分：结果分析
第五部分：其他