Adicionando evoluções

Análise Preditiva Intermediária em Python

Nele Verbiest

Senior Data Scientist @PythonPredictions

Motivação para evoluções (1)

Motivação para evoluções (2)

Motivação para evoluções (3)

Motivação para evoluções (4)

Motivação para evoluções (5)

Adicionando evoluções à basetable (1)

# Reference dates
start_2017 = datetime.date(2017,1,1)
start_2016 = datetime.date(2016,1,1)
start_2015 = datetime.date(2015,1,1)
# Gifts last month and last year
gifts_2016 = gifts[
   (gifts["date"]<start_2017) 
    & (gifts["date"]>=start_2016)]

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

Adicionando evoluções à basetable (2)

# Number of gifts in these periods per donor
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"]

Adicionando evoluções à basetable (3)

# Add these numbers to the basetable
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")

# Calculate ratio of last month's and last year's average
basetable["ratio_2015_to_2015_and_2016"] = 
    basetable["number_gifts_2016"] / 
    basetable["number_gifts_2015_and_2016"]

Adicionando evoluções à basetable (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

Vamos praticar!

Análise Preditiva Intermediária em Python