Initial commit

src/test.ipynb

@@ -158,26 +158,42 @@
   },
   {
    "cell_type": "code",
-   "execution_count": 35,
+   "execution_count": 50,
    "outputs": [
     {
      "data": {
-      "text/plain": "'Urban'"
+      "text/plain": "1    50.261167\n0    49.738833\nName: newbie, dtype: float64"
      },
      "metadata": {},
      "output_type": "display_data"
-    },
+    }
+   ],
+   "source": [
+    "res = data.newbie.value_counts(normalize=True) * 100\n",
+    "display(res)"
+   ],
+   "metadata": {
+    "collapsed": false,
+    "pycharm": {
+     "name": "#%%\n"
+    }
+   }
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 54,
+   "outputs": [
     {
      "data": {
-      "text/plain": "40.048719930667794"
+      "text/plain": "Surburban    19275\nUrban        17098\nRural         6320\nName: zip_code, dtype: int64"
      },
+     "execution_count": 54,
      "metadata": {},
-     "output_type": "display_data"
+     "output_type": "execute_result"
     }
    ],
    "source": [
-    "res = data.zip_code.value_counts(normalize=True) * 100\n",
-    "display(res.index[1], res[1])"
+    "data.zip_code.value_counts()"
    ],
    "metadata": {
     "collapsed": false,

src/tools.py

@@ -1,6 +1,7 @@
 from typing import Any
 
 import pandas as pd
+import numpy as np
 from sklearn.model_selection import train_test_split
 from sklift.datasets import fetch_hillstrom
 from catboost import CatBoostClassifier
@@ -46,7 +47,7 @@ def get_newbie_plot(data):
 	fig = px.histogram(
 		data['newbie'],
 		color=data['newbie'],
-		title='Распределение клиентов по флагу Newbie'
+		title='Распределение клиентов по флагу newbie'
 	)
 
 	fig.update_xaxes(
@@ -61,7 +62,8 @@ def get_newbie_plot(data):
 
 	fig.update_layout(
 		showlegend=False,
-		bargap=0.3
+		bargap=0.3,
+		margin=dict(l=20, r=10, t=80, b=10)
 	)
 
 	fig.update_traces(hovertemplate="Количество клиентов: %{y}")
@@ -72,8 +74,8 @@ def get_newbie_plot(data):
 def get_zipcode_plot(data):
 	fig = px.histogram(
 		data['zip_code'],
-		color=data['zip_code'],
-		title='Распределение клиентов по флагу zip_code'
+		color=data['newbie'],
+		title='Распределение клиентов по почтовым индексам'
 	)
 
 	fig.update_xaxes(
@@ -86,7 +88,11 @@ def get_zipcode_plot(data):
 	)
 
 	fig.update_layout(
-		showlegend=False,
+		showlegend=True,
+		legend_orientation="h",
+		legend=dict(x=.66, y=.99, title='Новый клиент'),
+		margin=dict(l=20, r=10, t=80, b=10),
+		hovermode="x",
 		bargap=0.3
 	)
 
@@ -98,8 +104,8 @@ def get_zipcode_plot(data):
 def get_channel_plot(data):
 	fig = px.histogram(
 		data['channel'],
-		color=data['channel'],
-		title='Распределение клиентов по флагу Channel'
+		color=data['newbie'],
+		title='Распределение клиентов по каналам покупки товаров'
 	)
 
 	fig.update_xaxes(
@@ -112,7 +118,11 @@ def get_channel_plot(data):
 	)
 
 	fig.update_layout(
-		showlegend=False,
+		showlegend=True,
+		legend_orientation="h",
+		legend=dict(x=.66, y=.99, title='Новый клиент'),
+		margin=dict(l=20, r=10, t=80, b=10),
+		hovermode="x",
 		bargap=0.3
 	)
 
@@ -125,7 +135,7 @@ def get_history_segment_plot(data):
 	fig = px.histogram(
 		data['history_segment'],
 		color=data['history_segment'],
-		title='Распределение клиентов по флагу history_segment'
+		title='Распределение клиентов по количеству $, потраченных в прошлом году'
 	)
 
 	fig.update_xaxes(
@@ -140,9 +150,80 @@ def get_history_segment_plot(data):
 
 	fig.update_layout(
 		showlegend=False,
-		bargap=0.3
+		bargap=0.3,
+		margin=dict(l=20, r=10, t=80, b=10)
 	)
 
 	fig.update_traces(hovertemplate="Количество клиентов: %{y}")
 
 	return fig
+
+
+def get_recency_plot(data):
+	fig = px.histogram(
+		data['recency'],
+		color=data['newbie'],
+		title='Распределение клиентов по количеству месяцев с последней покупки'
+	)
+
+	fig.update_xaxes(
+		title='Месяцев  после  покупки'
+	)
+
+	fig.update_yaxes(
+		title='Количество  клиентов'
+	)
+
+	fig.update_layout(
+		showlegend=True,
+		legend_orientation="h",
+		legend=dict(x=.66, y=.99, title='Новый клиент'),
+		margin=dict(l=20, r=10, t=80, b=10),
+		hovermode="x",
+		bargap=0.3
+	)
+
+	fig.update_traces(hovertemplate="<br>".join(
+			[
+				"Месяцев: %{x}",
+				"Клиентов: %{y}"
+			]
+		)
+	)
+
+	return fig
+
+
+def get_history_plot(data):
+	fig = px.histogram(
+		data['history'],
+		color=data['newbie'],
+		title='Распределение клиентов по количеству месяцев с последней покупки'
+	)
+
+	fig.update_xaxes(
+		title='Месяцев  после  покупки'
+	)
+
+	fig.update_yaxes(
+		title='Количество  клиентов'
+	)
+
+	fig.update_layout(
+		showlegend=True,
+		legend_orientation="h",
+		legend=dict(x=.66, y=.99, title='Новый клиент'),
+		margin=dict(l=20, r=10, t=80, b=10),
+		hovermode="x",
+		bargap=0.3
+	)
+
+	fig.update_traces(hovertemplate="<br>".join(
+			[
+				'Совершено покупок на: $%{x}',
+				'Количество клиентов: %{y}'
+			]
+		)
+	)
+
+	return fig

src/web_app.py

@@ -76,3 +76,39 @@ with st.expander('Развернуть блок анализа данных'):
 	st.write(f'К сегментам \$350-\$500 и \$500-\$750 относится {tmp_res[3]:.2f}% и {tmp_res[4]:.2f}% пользователей соответственно.')
 	st.write(f'Меньше всего пользователей в сегментах \$750-\$1.000 ({tmp_res[-2]:.2f}%) и \$1.000+ ({tmp_res[-1]:.2f}%).')
 
+	tmp_res = list(dataset.recency.value_counts(normalize=True) * 100)
+	st.plotly_chart(tools.get_recency_plot(dataset), use_container_width=True)
+	st.write(f'Большинство клиентов являются активными клиентами платформы, и совершали покупки в течение месяца ({tmp_res[0]:.2f}%)')
+	st.write('Также заметно, что 9 и 10 месяцев назад, много клиентов совершали покупки. Это может свидетельствовать о проведении'
+	         'рекламной кампании в это время или чего-то еще.')
+	st.write('Также интересно понаблюдать за долями новых клиентов в данном распределении.')
+
+	st.plotly_chart(tools.get_history_plot(dataset), use_container_width=True)
+	st.markdown('_График интерактивный_')
+	st.write('Абсолютное большинство клиентов тратят \$25-\$35 на покупки, но есть и малая доля тех, кто тратит более \$3.000')
+	st.write('Интересный факт: все покупки более \$500 совершают только новые клиенты')
+
+st.subheader('Какие данные возьмем для проведения рекламной кампании?')
+clients_filter = st.radio('На каких клиентов будем воздействовать?', options=['Все', 'Только на новых', 'Только на старых'])
+
+
+st.write('Выберите класс клиентов, по объему денег, потраченных в прошлом году (history segments).')
+first_group = st.checkbox('$0-$100', value=True)
+second_group = st.checkbox('$100-$200', value=True)
+third_group = st.checkbox('$200-$350', value=True)
+fourth_group = st.checkbox('$350-$500', value=True)
+fifth_group = st.checkbox('$500-$750', value=True)
+sixth_group = st.checkbox('$750-$1.000', value=True)
+seventh_group = st.checkbox('$1.000+', value=True)
+
+st.write('Каких пользователей по почтовому коду выберем')
+surburban = st.checkbox('Surburban', value=True)
+urban = st.checkbox('Urban', value=True)
+rural = st.checkbox('Rural', value=True)
+
+recency = st.slider(label='Месяцев с момента покупки', min_value=int(dataset.recency.min()), max_value=int(dataset.recency.max()), value=(int(dataset.recency.min()), int(dataset.recency.max())))
+
+if not first_group and not second_group and not third_group and not fourth_group and not fifth_group and not sixth_group and not seventh_group:
+	pass
+else:
+	st.button('Отфильтровать')