【Python実践データ分析100本ノック】ノック26-30

#dt.weekdayメソッドは月曜=0,日曜=6の整数値を得ることができます。
uselog["weekday"] = uselog["usedate"].dt.weekday

#ノック8と同様にcustomer_id、年月、weekdayごとにprice（売上）とlog_idで集計します。
#結果をuselog_weekdayに格納します。
#dt.weekdayを使って、曜日に数字をふったのは下の一文や次のブロックの文で集計しやすくするためです。
#uselog_weekdayの意味は、どの顧客が、どの年のどの月にどの曜日に何回来たかを集計しています。
uselog_weekday = uselog.groupby(["customer_id","年月","weekday"], as_index=False).count()[["customer_id","年月", "weekday","log_id"]]

#ノック8と同様にrename()で今回はlog_idをcountという名前に書き替えます。
uselog_weekday.rename(columns={"log_id":"count"}, inplace=True)
uselog_weekday.head()

#uselog_weekdayをさらに集計します。
#customer_idごとにcustomer_idとcountで集計し、最大値を取得します。
#つまり、どの顧客がどの年のどの月に最も利用したのかを示す回数(count)です。
uselog_weekday = uselog_weekday.groupby("customer_id",as_index=False).max()[["customer_id", "count"]]

#フラグを示す列を作成します。初期値は0です、
uselog_weekday["routine_flg"] = 0

#where()メソッドはwhere(条件,Falseとなる場合の処理)という意味です。
#Trueの場合は値を変更せず、Falseの時に()の右側にしていた値を代入できます。
#最大利用回数が4以下の場合は0のまま、4以上であれば1にroutine_flgを変更します。
uselog_weekday["routine_flg"] = uselog_weekday["routine_flg"].where(uselog_weekday["count"]<4, 1)
uselog_weekday.head()

#customer_id をキーとして、顧客データと利用履歴データをマージしてcustomer_joinとしています。
customer_join = pd.merge(customer_join, uselog_customer, on="customer_id", how="left")

#customer_id をキーとして、customer_joinをベースにuselog_weekdayのcustomer_id列とroutine_flg列をマージしています。
customer_join = pd.merge(customer_join, uselog_weekday[["customer_id", "routine_flg"]], on="customer_id", how="left")
customer_join.head()

#relativedeltaのライブラリインポートを行います。
from dateutil.relativedelta import relativedelta
customer_join["calc_date"] = customer_join["end_date"]

#calc_dateに欠損値があるときdatetime型の20190430を代入します。
customer_join["calc_date"] = customer_join["calc_date"].fillna(pd.to_datetime("20190430"))
customer_join["membership_period"] = 0

#customer_joinの要素数の数だけcustomer_join内の集計動作を繰り返します。
for i in range(len(customer_join)):

#ilocというlocに似たものがでてきました。
#locはスライス表記含めて行や列の'ラベル名'を指定できます（例えば、loc["列名"]）。
#ilocは行や列の'番号'を指定できます(例えば、0（番目）)。
#ループ変数のように変数内の数字が変わっていく場合には、番号を指定するとループの中で自動的に変数内の数字を指定できます。
#i行目のcalc_dateとstart_dateの月の単位の長さの差分をrelativedeltaを使って計算し、deltaに格納しています。
delta = relativedelta(customer_join["calc_date"].iloc[i], customer_join["start_date"].iloc[i])

#relativedeltaは.yearや.monthsでそのデータの年や月の部分を自動で抽出してくれます。
#先ほど算出したdeltaの内、年数に12を掛け、月数はそのままとして二つの和をとります。
#つまり、会員期間（membership_period）をrelativedeltaをつかって月の長さの単位で算出し、membership_period列に格納しています。
customer_join["membership_period"].iloc[i] = delta.years*12 + delta.months
customer_join.head()

#各列の主要な統計量を一度に取得したい場合はdescribe()メソッドを使います。
#aggで処理を表す文字列やオブジェクトのリストを指定するより簡単に集計できます。
customer_join[["mean", "median", "max", "min"]].describe()
customer_join.groupby("routine_flg").count()["customer_id"]

#ノック10と同様にmatplotlibを用いてグラフを描いていきます。
import matplotlib.pyplot as plt
%matplotlib inline

#hist()で指定したデータのヒストグラムを作成します。横軸に会員期間を、縦軸には会員数を設定します。
plt.hist(customer_join["membership_period"])

#describeでis_deleted=1 の退会している会員と is_deleted=0 の継続中の会員の集計をしていきます。
customer_end = customer_join.loc[customer_join["is_deleted"]==1]customer_end.describe()
customer_stay = customer_join.loc[customer_join["is_deleted"]==0]customer_stay.describe()

#完成したcustomer_joinをcsvファイルにダンプします。
customer_join.to_csv("customer_join.csv", index=False)