数据透视表
根据用户订单记录，自动生成每人每个月花费。
💡 统计一下每个人每个月的消费金额，每行一条用户的数据，列需要保留会员编号和姓名，之后的列展示每个月的金额
示例数据
2024-08-20 18:15:03
杭源垣
未知
[50]正式会员
PP240321689842
0
2
维生素 AD 滴剂
12051054
91.60
2024-08-20
91.6
上海高济余天成大药房有限公司
45.80
活跃 A
3
3,352
22859008
0
91.60
2
2024-08-20 18:00:26
宁媚如
男
[50]正式会员
PP181127268580
0
1
甲磺酸溴隐亭片
22041774
90.50
2024-08-20
90.5
高济总部
90.50
活跃 A
6
3,730.9
22858992
0
90.50
1
2024-08-20 15:09:14
蓬妤殉
女
[50]正式会员
PP181127269347
0
1
萘敏维滴眼液
13186276
13.97
2024-08-20
30.2
一德泰和药房
13.97
活跃 A
230
15,987.1
22858897
0
13.97
1
2024-08-20 15:09:14
蓬妤殉
女
[50]正式会员
PP181127269347
0
1
复方醋酸地塞米松乳膏
13187858
16.23
2024-08-20
30.2
一德泰和药房
16.23
活跃 A
230
15,987.1
22858897
0
16.23
1
提示词
统计一下每个人每个月的消费金额，每行一条用户的数据，列需要保留会员编号和姓名，之后的列展示每个月的金额AI 回复内容
首先，根据需求，我们需要完成以下步骤：
将
交易时间列转换为日期格式，并提取出年份和月份。按照
会员编码、会员名称、年份和月份进行分组，并计算每个用户每个月的支付金额总和。将结果转换为宽格式，以便每个月的消费金额在不同的列中展示。
接下来是生成相应的 pandas 代码：
import pandas as pd
# 将 '交易时间' 列转换为日期格式
data["CRM Data"]['交易时间'] = pd.to_datetime(data["CRM Data"]['交易时间'])
# 提取年份和月份
data["CRM Data"]['年月'] = data["CRM Data"]['交易时间'].dt.to_period('M')
# 按照会员编码、会员名称和年月分组，并计算支付金额总和
monthly_spending = data["CRM Data"].groupby(['会员编码', '会员名称', '年月'])['支付金额'].sum().reset_index()
# 将数据转换为宽格式
df_output = monthly_spending.pivot_table(index=['会员编码', '会员名称'], columns='年月', values='支付金额', fill_value=0)
# 重置索引
df_output.reset_index(inplace=True)
# 输出结果
df_output结果
PP181127265147
松波炼
727.4
0
0
0
78.9
304.5
119.4
0
0
0
0
0
0
PP181127265153
汤崴弋
0
0
0
0
0
0
0
0
0
130.2
0
0
0
PP181127265173
殷晏
0
0
333.9
589.2
2502.3
168.9
183.7
136.1
105.1
333.8
33.6
629.9
5.9
PP181127265187
齐悦珊
0
34.2
0
0
0
0
0
0
0
0
0
0
0
PP181127265340
卫锟战
0
0
0
0
3615.3
0
0
0
0
0
0
0
0
Last updated