RFM指标需按用户聚合计算：R为分析日与最近订单日的天数差，F为去重订单数，M为非退款订单金额和；打分应避免qcut，R倒序分档，F/M先log1p再cut；组合值宜用数值运算而非字符串拼接。
RFM三个指标怎么从订单表里算出来
核心是把原始交易数据按用户聚合，分别计算最近一次消费时间（Recency）、消费频次（Frequency）、消费总金额（Monetary）。别直接用 groupby 硬套，容易漏掉没交易的用户或时间处理出错。
- Recency 必须基于统一截止日（比如今天或分析日），不是取
max(order_date)就完事——得算天数差：(analysis_date - max(order_date)).dt.days - Frequency 是去重订单号计数，不是行数；如果一张订单含多商品，别误用
count()统计明细行 - Monetary 要用
sum()，但注意是否需剔除退款订单——得先过滤status != 'refunded' - 别忘了填充缺失值：新用户没交易，R/F/M 都是空，
fillna(0)或设默认值，否则后续分箱报错
Pandas里怎么给R/F/M分别打分（不是简单四分位）
用四分位切分（qcut）看起来省事，但实际业务中常导致某一层人数极少，或者分数断层明显。更稳的做法是按业务规则定档位，再用 cut 或 apply 映射。
- Recency 分数越低越好（最近消费得分高），所以得倒排：先算
rank(method='min', ascending=False)再分档 - Frequency 和 Monetary 正向打分，但别直接线性分 1–5；高频用户可能集中在头部，建议先
log1p压缩偏态，再cut - 避免用
qcut(..., duplicates='drop')——当某档位无数据时会跳档，导致 R=1 却对应 F=3，分层错乱 - 示例：对
monetary打分可写pd.cut(df['monetary'], bins=[0, 100, 500, 2000, np.inf], labels=[1,2,3,4,5])
RFM组合值怎么生成（避免字符串拼接翻车）
把 R、F、M 三个数字拼成 "435" 这种字符串看似方便，但后续排序、筛选、分组全会变麻烦——字符串比大小是字典序，"101"
Secure Python Code Sandbox
下载
安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。
- 真正该存的是整型组合码：
df['rfm_score'] = df['r_score'] * 100 + df['f_score'] * 10 + df['m_score'] - 这样 "435" 就是整数 435，可直接比较大小、做
between查询、传给聚类算法 - 如果必须输出标签（如“重要价值客户”），用
map查表，别在计算过程中硬编码逻辑 - 警惕 NaN 混入：拼之前确保
r_score等字段是int类型，否则NaN * 100得到nan，整个列变float
自动化跑批时哪些地方最容易崩
本地跑通不等于上线稳定，尤其涉及时间、空值、类型隐式转换的环节，一到调度环境就报错。
立即学习“Python免费学习笔记（深入）”；
-
analysis_date别写死成pd.Timestamp('today')——Airflow 或 cron 下每次执行时间不同，得用任务触发时间，不是系统当前时间 - 订单表如果分区存储（如按
dt字段），别漏加where dt >= ...条件，否则扫全量表，OOM 或超时 - Monetary 字段若来自浮点计算（如优惠分摊），小数位过多会导致
cut边界匹配失败，提前round(2) - 最常被忽略的是索引：做完
groupby后user_id变成索引，后续 merge 或导出易出错，记得reset_index()
RFM 不是算完三个数就结束，真正卡住人的永远是时间口径对齐、退款识别逻辑、以及分数映射后如何跟运营策略挂钩——这些没法靠模板解决，得一条订单一条订单地对。
