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

交易时间	会员名称	会员性别	会员状态	会员编码	可退换货数量	商品名称	商品编码	支付金额	最后购买时间	最后购买金额	来源渠道	标准售价	活跃度	累计购买次数	累计购买金额	订单编码	销售净额	销售数量
2024-08-20 18:15:03	杭源垣	未知	[50]正式会员	PP240321689842	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	91.60	2
2024-08-20 18:00:26	宁媚如	男	[50]正式会员	PP181127268580	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	90.50	1
2024-08-20 15:09:14	蓬妤殉	女	[50]正式会员	PP181127269347	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	13.97	1
2024-08-20 15:09:14	蓬妤殉	女	[50]正式会员	PP181127269347	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	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

会员编码	会员名称	2023-08	2023-09	2023-10	2023-11	2023-12	2024-01	2024-02	2024-03	2024-04	2024-05	2024-06	2024-07	2024-08
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

Previous数据整理

Last updated 1 month ago

示例数据

交易时间	会员名称	会员性别	会员状态	会员编码	可退换货数量	商品名称	商品编码	支付金额	最后购买时间	最后购买金额	来源渠道	标准售价	活跃度	累计购买次数	累计购买金额	订单编码	销售净额	销售数量
2024-08-20 18:15:03	杭源垣	未知	[50]正式会员	PP240321689842	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	91.60	2
2024-08-20 18:00:26	宁媚如	男	[50]正式会员	PP181127268580	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	90.50	1
2024-08-20 15:09:14	蓬妤殉	女	[50]正式会员	PP181127269347	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	13.97	1
2024-08-20 15:09:14	蓬妤殉	女	[50]正式会员	PP181127269347	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	16.23	1

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

会员编码	会员名称	2023-08	2023-09	2023-10	2023-11	2023-12	2024-01	2024-02	2024-03	2024-04	2024-05	2024-06	2024-07	2024-08
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