Beräkna retentionsgrad från grunden
Du har sett hur man skapar tabeller med retentions- och genomsnittliga kvantitetsmätvärden för månatliga förvärvskohortner. Nu är det din tur att bygga retentionsmätvärdena på egen hand.
Datamängden online har laddats in med månatliga kohorter och kohortindex tilldelade från den här lektionen. Skriv gärna ut den i konsolen.
Vi har även skapat och laddat in ett groupby-objekt som en grouping DataFrame med det här kommandot:
grouping = online.groupby(['CohortMonth', 'CohortIndex'])
Den här övningen är en del av kursen
Kundsegmentering i Python
Övningsinstruktioner
- Välj kolumnen för kund-ID, räkna antalet unika värden, spara resultatet som
cohort_dataoch återställ indexet. - Skapa en pivot med månatlig kohort som index, kohortindex som kolumner och kund-ID som värden.
- Välj den första kolumnen och spara den som
cohort_sizes. - Dividera kohortstorlekarna med
cohort_sizeslängs raderna.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Count the number of unique values per customer ID
cohort_data = grouping[____].apply(pd.Series.____).reset_index()
# Create a pivot
cohort_counts = cohort_data.____(index=____, columns=____, values=____)
# Select the first column and store it to cohort_sizes
cohort_sizes = cohort_counts.iloc[:,____]
# Divide the cohort count by cohort sizes along the rows
retention = cohort_counts.____(____, axis=____)