create-vars 0.0.1

Create variables in time

create_vars

from create_vars.vars import *

import pandas as pd
import random
import numpy as np

Criando variáveis numéricas e categóricas

Install

pip install create_vars

How to use

Criando dataframe aleatório

Criando DataFrame com variáveis categóricas e numéricas

# Criando o DataFrame
data = {
    'ID_cliente': [random.choice(list(range(1, 101)))for _ in range(100)],
    'Safra': [random.choice([202207, 202209, 202212, 202301, 202207, 202302, 202305, 202306]) for _ in range(100)],
    'Feat_cat': [random.choice(['A', 'B', 'C']) for _ in range(100)],    
    'Feat_num1': np.random.randint(0, 100, size=100),
    'Feat_num2': np.random.randint(0, 100, size=100)
}
df = pd.DataFrame(data)

df.head()

<style scoped> .dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; } </style>

	ID_cliente	Safra	Feat_cat	Feat_num1	Feat_num2
0	75	202207	A	72	66
1	30	202209	B	44	90
2	70	202301	B	82	33
3	76	202302	A	37	70
4	81	202305	C	76	17

O Dataframe criado tem o ID do cliente aleatório, que pode se repetir em datas diferentes.Por exemplo:

df.groupby('ID_cliente')['Safra'].value_counts().sort_values(ascending=False)

ID_cliente  Safra 
11          202207    2
70          202301    2
3           202305    1
73          202209    1
79          202207    1
                     ..
35          202302    1
34          202305    1
            202306    1
33          202306    1
99          202306    1
Name: count, Length: 98, dtype: int64

A safra corresponde a data que cada variável foi calculada. Ela precisa estar no formato YYYYMM ou YYYYMMDD. Para o nosso exemplo teremos a seguinte distribuição das datas:

df['Safra'].value_counts().sort_index()

Safra
202207    23
202209    12
202212     5
202301    13
202302    15
202305    15
202306    17
Name: count, dtype: int64

Safra de ref

Criando safra de referencia no formato YYYYMM:

df['safra_ref'] = '20230702'

Também podemos utilizar o formato YYYYMMDD.

Variáveis numéricas

A partir do ID_cliente do cliente e da Safra, agrupamos as entradas e calculamos variáveis do tipo ‘sum’, ‘mean’ e ‘count’ que são fornecidas em forma de lista em ‘operations’ para variáveis numéricas. As variáveis utilizadas são listadas em ‘value_var’ e calculadas nas janelas de tempo em ‘window’ para a data de referência em ‘ref_time_var’.

id_cols = ['ID_cliente','Safra']
trns_time = 'Safra'
ref_time = 'safra_ref'
value_var = ['Feat_num1','Feat_num2']
window = [-1,-2,-3,-6,-9,-12,-15]
operations = ['sum','mean','count']

df_vars_num = create_vars_in_time(df,id_cols,trns_time,ref_time,value_var,window,operations)

df_vars_num.head()

<style scoped> .dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; } </style>

	ID_cliente	Safra	Feat_num1_sum_1M	Feat_num1_mean_1M	Feat_num1_count_1M	Feat_num1_sum_2M	Feat_num1_mean_2M	Feat_num1_count_2M	Feat_num1_sum_3M	Feat_num1_mean_3M	...	Feat_num2_count_6M	Feat_num2_sum_9M	Feat_num2_mean_9M	Feat_num2_count_9M	Feat_num2_sum_12M	Feat_num2_mean_12M	Feat_num2_count_12M	Feat_num2_sum_15M	Feat_num2_mean_15M	Feat_num2_count_15M
0	75	202207	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	66	66.0	1
1	30	202209	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	90.0	90.0	1.0	90	90.0	1
2	70	202301	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	111.0	55.5	2.0	111.0	55.5	2.0	111	55.5	2
3	76	202302	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	1.0	70.0	70.0	1.0	70.0	70.0	1.0	70	70.0	1
4	81	202305	NaN	NaN	NaN	NaN	NaN	NaN	76.0	76.0	...	1.0	17.0	17.0	1.0	17.0	17.0	1.0	17	17.0	1

5 rows × 44 columns

Variáveis categóricas

Para variáveis categóricas, as operações são ‘nunique’ e mode.

id_cols = ['ID_cliente','Safra']
trns_time = 'Safra'
ref_time = 'safra_ref'
value_var = ['Feat_cat']
window = [-1,-2,-3,-6,-9,-12,-15]
operations = ['nunique', mode]

df_vars_cat = create_vars_in_time(df,id_cols,trns_time,ref_time,value_var,window,operations)

df_vars_cat.head()

<style scoped> .dataframe tbody tr th:only-of-type { vertical-align: middle; } .dataframe tbody tr th { vertical-align: top; } .dataframe thead th { text-align: right; } </style>

	ID_cliente	Safra	Feat_cat_nunique_1M	Feat_cat_mode_1M	Feat_cat_nunique_2M	Feat_cat_mode_2M	Feat_cat_nunique_3M	Feat_cat_mode_3M	Feat_cat_nunique_6M	Feat_cat_mode_6M	Feat_cat_nunique_9M	Feat_cat_mode_9M	Feat_cat_nunique_12M	Feat_cat_mode_12M	Feat_cat_nunique_15M	Feat_cat_mode_15M
0	75	202207	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	1	A
1	30	202209	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	1.0	B	1	B
2	70	202301	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	2.0	A	2.0	A	2	A
3	76	202302	NaN	NaN	NaN	NaN	NaN	NaN	1.0	A	1.0	A	1.0	A	1	A
4	81	202305	NaN	NaN	NaN	NaN	1.0	C	1.0	C	1.0	C	1.0	C	1	C