Ajout d'évolutions

Analytique prédictive intermédiaire en Python

Nele Verbiest

Senior Data Scientist @PythonPredictions

Pourquoi ajouter des évolutions (1)

Pourquoi ajouter des évolutions (2)

Pourquoi ajouter des évolutions (3)

Pourquoi ajouter des évolutions (4)

Pourquoi ajouter des évolutions (5)

Ajouter des évolutions à la table de base (1)

# Dates de référence
start_2017 = datetime.date(2017,1,1)
start_2016 = datetime.date(2016,1,1)
start_2015 = datetime.date(2015,1,1)
# Dons l'an dernier et l'année précédente
gifts_2016 = gifts[
   (gifts["date"]<start_2017) 
    & (gifts["date"]>=start_2016)]

gifts_2015_and_2016 = gifts[
   (gifts["date"]<start_2017) 
    & (gifts["date"]>=start_2015)]

Ajouter des évolutions à la table de base (2)

# Nombre de dons sur ces périodes par donateur
number_gifts_2016 = gifts_2016.groupby("id")["amount"].size().reset_index()
number_gifts_2016.columns = ["donor_ID", "number_gifts_2016"]

number_gifts_2015_and_2016 = 
    gifts_2015_and_2016 .groupby("id")["amount"].size().reset_index()
number_gifts_2015_and_2016.columns = ["donor_ID", "number_gifts_2015_and_2016"]

Ajouter des évolutions à la table de base (3)

# Ajouter ces valeurs à la table de base
basetable = pd.merge(basetable, 
                     number_gifts_2016, 
                     on="donor_ID",
                     how = "left")
basetable = pd.merge(basetable, 
                     number_gifts_2015_and_2016, 
                     on="donor_ID",
                     how = "left")

# Calculer le ratio entre l'an dernier et les deux dernières années
basetable["ratio_2015_to_2015_and_2016"] = 
    basetable["number_gifts_2016"] / 
    basetable["number_gifts_2015_and_2016"]

Ajouter des évolutions à la table de base (4)

print(basetable.head())

donor_id number_gifts_2016 number_gifts_2015_and_2016 ratio_2015_to_2015_and_2016
1        Na                5                          Na
2        9                 12                         0.75
3        3                 6                          0.5

Passons à la pratique !

Analytique prédictive intermédiaire en Python