用 Pandas 做 RFM 用户分层：从订单到客户分类

这篇文章要完成什么

用一份 完全模拟的订单数据，按最近购买时间、购买次数和金额给用户分层。本例只说明方法，不代表真实客户，也不用于推断业务效果。

前置知识：Python 基础、Pandas 的读取与分组操作。这里每行是一笔订单，金额单位一致；真实订单若含多行商品，应先按订单编号汇总，不能直接把商品行数当购买次数。

下载与运行

把 sales.csv、rfm.py 和 requirements.txt 保存到同一文件夹。使用 Python 3.11–3.13（本例在 3.12 验证），在该文件夹打开终端：

python -m venv .venv
# macOS / Linux
source .venv/bin/activate
# Windows PowerShell 使用 .venv\Scripts\Activate.ps1
python -m pip install -r requirements.txt
python rfm.py

脚本按自身所在目录寻找数据，不依赖终端的工作目录。它生成 rfm_result.csv 和 segments.png，不需要图形界面。

1. 先明确 R、F、M

• R（Recency）：距离基准日最近一次购买的天数，越小越活跃。
• F（Frequency）：有效订单数，本例每行是一单。
• M（Monetary）：有效订单金额总和。

基准日期固定为 2024-05-01。示例删除必需字段缺失、金额不大于 1、基准日当天及之后的记录。原始数据 10 行，保留 8 笔订单，得到 5 位用户；被排除的 X、Y 用于演示清洗。

2. 分组计算

sales.groupby("USERID").agg(
    last_order=("ORDERDATE", "max"),
    frequency=("ORDERDATE", "size"),
    monetary=("AMOUNTINFO", "sum"),
)

用基准日减去 last_order 得到天数。例如用户 A 最近在 4 月 30 日下单，所以 R 为 1；两笔订单合计 500，因此 F 为 2、M 为 500。

3. 评分与边界

本例使用固定教学阈值，不使用五分位法。pd.cut 按指定边界分箱；若目标是按样本分位数分组，应另行选择适合数据分布的方法，并处理重复边界。

维度	从左到右的区间	对应分数
R	[0,7]、(7,30]、(30,60]、(60,90]、(90,+∞)	5、4、3、2、1
F	(0,1]、(1,2]、(2,3]、(3,4]、(4,+∞)	1、2、3、4、5
M	(0,50]、(50,100]、(100,200]、(200,400]、(400,+∞)	1、2、3、4、5

总分 = R 分数 × 0.2 + F 分数 × 0.2 + M 分数 × 0.6。权重和阈值均为教学选择，不是通用业务标准。最近购买对应较高 R 分数，不要与较小的原始 R 天数混淆。

分层为 Low：[0,2]；Medium：(2,4]；High：(4,5]。因此恰好 2 分归 Low、恰好 4 分归 Medium。

4. 完整代码

下面与下载脚本保持一致：

"""Synthetic RFM exercise. Run with Python 3.11-3.13; files resolve beside this script."""
from pathlib import Path
import pandas as pd
import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt

BASE = Path(__file__).resolve().parent
DEADLINE = pd.Timestamp("2024-05-01")
raw = pd.read_csv(BASE / "sales.csv", parse_dates=["ORDERDATE"])
sales = raw.dropna(subset=["USERID", "ORDERDATE", "AMOUNTINFO"])
sales = sales[(sales["AMOUNTINFO"] > 1) & (sales["ORDERDATE"] < DEADLINE)]
rfm = sales.groupby("USERID").agg(
    last_order=("ORDERDATE", "max"),
    frequency=("ORDERDATE", "size"),
    monetary=("AMOUNTINFO", "sum"),
)
rfm["recency"] = (DEADLINE - rfm.pop("last_order")).dt.days
# Fixed teaching thresholds, NOT quantiles. Recent purchases receive higher scores.
rfm["r_score"] = pd.cut(rfm.recency, [0, 7, 30, 60, 90, float("inf")], labels=[5, 4, 3, 2, 1], include_lowest=True).astype(int)
rfm["f_score"] = pd.cut(rfm.frequency, [0, 1, 2, 3, 4, float("inf")], labels=[1, 2, 3, 4, 5]).astype(int)
rfm["m_score"] = pd.cut(rfm.monetary, [0, 50, 100, 200, 400, float("inf")], labels=[1, 2, 3, 4, 5]).astype(int)
rfm["score"] = (rfm.r_score * 0.2 + rfm.f_score * 0.2 + rfm.m_score * 0.6).round(2)
# pd.cut uses right-closed intervals: [0, 2], (2, 4], (4, 5].
rfm["segment"] = pd.cut(rfm.score, [0, 2, 4, 5], labels=["Low", "Medium", "High"], include_lowest=True)
rfm.to_csv(BASE / "rfm_result.csv")
counts = rfm.segment.value_counts().reindex(["Low", "Medium", "High"], fill_value=0)
fig, ax = plt.subplots(figsize=(6, 4), layout="constrained")
ax.bar(counts.index, counts.values, color=["#78909c", "#26a69a", "#5c6bc0"])
ax.set(title="Customer segments (synthetic data)", xlabel="Segment", ylabel="Customers", ylim=(0, 3))
ax.set_yticks([0, 1, 2, 3])
fig.savefig(BASE / "segments.png", dpi=160)
plt.close(fig)
print(rfm[["recency", "frequency", "monetary", "score", "segment"]].to_string())

5. 核对结果

用户	R 天数	F 次数	M 金额	总分	分层
A	1	2	500	4.4	High
B	11	1	100	2.2	Medium
C	61	1	20	1.2	Low
D	4	2	200	3.2	Medium
E	89	2	15	1.4	Low

预期人数：Low 2、Medium 2、High 1。可对照 结果 CSV。

6. 换成自己的数据前

先确定分析时间窗、订单口径、退款处理方式及金额币种。本例没有去重订单 ID，也没有处理跨币种、退款和用户生命周期。不要直接把这组阈值用于真实客户决策；应结合分布和业务目标解释分层，并验证后续效果。