-
Notifications
You must be signed in to change notification settings - Fork 0
/
costumers.py
167 lines (151 loc) · 5.83 KB
/
costumers.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
def pointset(a=0,b=1,c=2,d=3):
#ساختار امتیاز بندی
global point
point=[]
point.insert(0, int(a))
point.insert(1, int(b))
point.insert(2, int(c))
point.insert(3, int(d))
return point
def pointkolli(data):
#میانگین، کمینه، بیشینه خرید کلی از هر کمپانی
average_prices=int(data['price'].mean())
min_prices=int(data['price'].min())
max_prices=int(data['price'].max())
#به دست آوردن مرزهای بازه ها
charak_1=(min_prices+average_prices)/2
charak_3=(max_prices+average_prices)/2
charak_2=average_prices
pointkolli=[]
s=data.groupby(['user_id'])['price'].mean().reset_index()
for i in s['price']:
if (int(i)<=charak_1):
pointkolli.append(point[0])
if (int(i)>charak_1) and (int(i)<=charak_2):
pointkolli.append(point[1])
if (int(i)>charak_2) and (int(i)<=charak_3):
pointkolli.append(point[2])
if (int(i)>charak_3):
pointkolli.append(point[3])
s['pointkolli']=pointkolli
return s
def pointwithcompanydevide(d):
company_list=sorted(list(d.company.unique()))
c=d.groupby('company')
company_dataframes=[]
#جدا کردن کمپانی ها
for company , company_df in c:
company_dataframes.append(company_df)
#تعداد خرید کلی از هر کمپانی بدون در نظر گرفتن خرید توسط مشتری تکراری
buys_count=[]
for i in range (len(company_list)):
buys_count.append(len(company_dataframes[i]))
#تعداد مشتری هایی که از هر کمپانی خرید کرده اند
company_users=[]
for i in range (len(company_list)):
cdf=company_dataframes[i].groupby(['user_id'])
company_users.append(len(cdf))
#تعیین چارک
avg=list(d.groupby(['company'])['price'].mean())
mins=list(d.groupby(['company'])['price'].min())
maxs=list(d.groupby(['company'])['price'].max())
charak_1=[(mins[i]+avg[i])/2 for i in range(len(company_list))]
charak_3=[(maxs[i]+avg[i])/2 for i in range(len(company_list))]
#امتیازدهی بر اساس گروه های داخل چارکها
dataframes_with_points=[]
for i in range (len(company_list)):
a1=company_dataframes[i].groupby(['user_id'])['price'].mean()
a2=a1.reset_index()
a2['points']=0
for j in range (int(company_users[i])):
if float(mins[i])<=float(a2['price'][j])<=float(charak_1[i]):
a2['points'][j]+=point[0]
elif float(charak_1[i])<=float(a2['price'][j])<=float(avg[i]):
a2['points'][j]+=point[1]
elif float(avg[i])<=float(a2['price'][j])<=float(charak_3[i]):
a2['points'][j]+=point[2]
elif float(charak_3[i])<=float(a2['price'][j])<=float(maxs[i]):
a2['points'][j]+=point[3]
dataframes_with_points.append(a2[['user_id','points']])
return dataframes_with_points
#تعیین ماکسیمم درصد تخفیف
def percentset(a):
global maxpercent
maxpercent=a
# این تابع یک ستون ایجاد میکند که حاصل از جمع تخفیف ناشی از میانگین خرید کاربر و فاصله او با زمان پرواز است
def pointdeltagheimat(d):
p=maxpercent/2
f=d.groupby(['user_id','company']).mean().reset_index()
f=f.fillna(0)
takhfif=[]
a=[]
for i in list(f['timedelta']):
if i>0:
a.append(i)
takhfif1=[]
takhfif2=[]
averagedelta=sum(a)/len(a)
for i in a:
if i/averagedelta>=3:
takhfif.append([p,1])
takhfif1.append(i)
else:
takhfif.append([i,0])
for i in takhfif:
if i[1]==0:
takhfif2.append(i[0])
takhfifasli=[]
for i in f['timedelta']:
if i<=0:
takhfifasli.append(-1)
if i>0:
if i in takhfif1:
takhfifasli.append(p)
if i in takhfif2:
takh=(i/(max(takhfif2)-min(takhfif2)))*p
takhfifasli.append(takh)
f= d.groupby(['user_id','company']).mean().reset_index()[['user_id','company','price']]
a=[]
for i in list(f['price']):
if i>0:
a.append(i)
takhfif1=[]
takhfif2=[]
takhfif=[]
averageprice=sum(a)/len(a)
for i in a:
if i/averageprice>=3:
takhfif.append([10,1])
takhfif1.append(i)
else:
takhfif.append([i,0])
for i in takhfif:
if i[1]==0:
takhfif2.append(i[0])
takhfifasli2=[]
for i in f['price']:
if i<=0:
takhfifasli.append(-1)
if i>0:
if i in takhfif1:
takhfifasli2.append(p)
if i in takhfif2:
takh=(i/(max(takhfif2)-min(takhfif2)))*p
takhfifasli2.append(takh)
import numpy as np
t=np.array(takhfifasli)
t2=np.array(takhfifasli2)
a=d.groupby(['user_id','company']).mean().reset_index()
a['takhfif']=list(t+t2)
return a
#این تابع یک لیست خروچی شامل ستون تخفیف با تقسیم دیتا به بخش هایی که هر کدام مربوط به یک شرکت خاص هستند خروجی میدهد
def percentdevided(d):
company_dataframes=[]
company_list=sorted(list(d.company.unique()))
for i in company_list:
company_dataframes.append(d[d['company']==i])
takhfifdevided=[]
for i in company_dataframes:
a=pointdeltagheimat(i)
takhfifdevided.append(a)
return takhfifdevided