我如何使用时间戳来添加/减去整数和整数数组

Question

#first block: calculating last purchase date 
from datetime import timedelta
last_purchase_date = (sales_data['TRANSAC_DATE'].max())  + timedelta(days=1)


print("Last purchase Date: ", sales_data['TRANSAC_DATE'].max())
print("Recency/Last purchase Date: ", last_purchase_date)



#Second block: calculating Recency of last purchase in RFM analysis
RFM = sales_data.groupby(['CLIENT_ID']).agg({
    'CLIENT_ID': lambda x: (last_purchase_date - x.max()).days,
    'Transaction_ID': 'count',
    'NET': 'sum'
})

#Error line: lambda x: (last_purchase_date - x.max()).days

RFM.rename(columns={'CLIENT_ID': 'Recency', 'Transaction_ID': 'Frequency', 'NET': 'MonetaryValue'}, inplace= True)
display(RFM)

问题：我想要以天为单位的新近度，但我无法从last_purchase_date（时间戳）中减去整数数组中的输出 x.max() #错误行： lambda x: (last_purchase_date - x.max()).days #Error msg: 不再支持带有时间戳的整数和整数数组的加/减。不要使用加/减

n

，而是使用

n * obj.freq

Answer 1

从你有限的问题来看，我的理解是 -

sales_data

是你的

DataFrame

，

last_purchase_date

是

timestamp

，如果我的理解是正确的，试试这个：

import pandas as pd

last_purchase_date = pd.Timestamp(last_purchase_date)
def calculate_recency(x):
    return (last_purchase_date - x.max()).days

RFM = sales_data.groupby(['CLIENT_ID']).agg({
    'CLIENT_ID': calculate_recency,
    'Transaction_ID': lambda x: len(x),
    'NET': 'sum'
})

RFM.rename(columns={'CLIENT_ID': 'Recency', 'Transaction_ID': 'Frequency', 'NET': 'MonetaryValue'}, inplace=True)

display(RFM)