好吧,伙计们,这很难。
这个问题的主题是基于欺诈数据、规则和付款——我认为用一点背景来描绘我正在尝试做的事情会更容易。
我有一个数据框,其中包含帐户 ID、金额、日期、欺诈等和一列称为规则的列。每个 accountid 可以触发许多独特的规则。
accountid amount date rule fraud
123 5 20191101 rule_1 fraud
123 10 20191102 rule_2 fraud
456 50 20191101 rule_1 nonfraud
456 50 20191101 rule_2 nonfraud
456 50 20191101 rule_3 nonfraud
456 50 20191101 rule_4 nonfraud
我的目标是创建一个函数,它遍历 2 个规则的每个组合(可能稍后 3 个),并有几个其他列来计算帐户 ID、计算欺诈和非欺诈帐户 ID、欺诈率等。结果如下所示:
rule_combo count_acct count_fraud count_nonfraud fraudrate
rule_1,rule_2 5 3 2 .6
rule_2,rule_3 20 10 10 .5
rule_2,rule_4 50 10 40 .1
rule_1,rule_3 10 3 7 .3
我有一个看起来像这样的函数,它可以做我想要的,但它使用列(标题):
def combo_cols(df,agg,cols,n,minrate=0)
combos = list(itertools.combinations(cols,3))
num_cols = ['col1','col2','col3']
res = []
for combo in combos:
fr = fraudrate(df,agg,combo) #using another function
accounts = df.groupby(combo).apply(lambda df:list(df.accountid.unique()))
accounts.name = 'accounts'
accounts = accounts.to_frame()
fr = accounts.join(fr)
fr = fr.reset_index()
fr['naccts'] = fr.apply(lamda df: len(set(df.accounts)),axis=1)
fr.columns = num_cols + ['accounts','naccts','fraud','nonfraud','fraudrate','fpr']
fr = fr.assign(groupcols = ', '.join(combo))
fr = fr.loc[fr.fraudrate.gt(minrate)]
res.append(fr)
return pd.concat(res).sort_values(by='fraudrate',ascending=False)
我一直无法理解如何编写一个可以为规则执行此操作的函数。感谢您对此的任何帮助。