来源:Pixabay
行为分析是对学习和行为原则的科学研究。这个科学领域涉及描述、理解、预测和改变行为。他们通过观察生物和环境因素来寻找答案，尽管他们主要对环境在行为改变中的作用感兴趣。
在数据科学中，行为分析充分利用大数据和人工智能在用户行为数据上的结合，以识别模式、趋势、违规行为和其他有用的见解，从而采取适当的行动。根据使用案例，行为分析被用于许多行业和应用，包括电子商务、医疗保健、银行、保险和网络安全。
常见的数据科学挑战之一是根据人口统计信息分析行为和评分。目标通常是根据几个参数对实体(个人/公司)进行评分，如:
以往购买
购买间隔时间
购买数量和价值
个人/公司之间的距离
数据内部的可变性和其他外部影响因素
最有趣的领域之一是查看彼此之间的客户距离，以了解是否存在因两个客户之间的距离而产生的行为模式？这个问题通常困扰着每个组织。
在开始“解决方案”之前，可以使用实体之间的距离来解决一些场景:
**1。基于两个地址之间的信息和距离的匹配来合并实体/客户:**如果有两个地址相似且非常接近的客户记录，可以将它们合并为一个。
**2。了解与影响者的距离是否会对购买行为产生影响:**在行为分析的空间中，考察影响者/推广者之间的距离是否会对当地产生影响。
**3。超市/商店影响顾客的合理距离是多少？:**帮助确定一家商店与其自身和竞争对手之间的距离。
**4。一群“推动者”如何影响当地的“潜力”？:**当有一群促销员的时候，他们在当地会有什么影响？
当组织处于吸引、吸引和留住客户的征服模式时，许多这样的问题将是至关重要的。在每一个这样的场景中，位置都扮演着重要的角色。这可能会泄露许多关键信息，如影响范围、对购买模式的暗示等。
转移到主题的中心，一个人如何根据距离建立群体？
第 0 步:我会从时间表开始:
def timeit(method):
def timed(*args, **kw):
ts = time.time()
result = method(*args, **kw)
te = time.time()
if 'log_time' in kw:
name = kw.get('log_name', method.__name__.upper())
kw['log_time'][name] = int((te - ts) )
else:
print('%r %2.2f s' % \
(method.__name__, (te - ts) ))
return result
return timed
第一步:我将从纬度和经度创建笛卡尔坐标:
为了使定义简单，在笛卡尔坐标系中:
x 轴穿过 long，lat (0，0)，因此经度 0 与赤道相交
y 轴穿过(0，90)
z 轴穿过磁极
其中 R 是地球的半径:6，378，137 米
[@timeit](http://twitter.com/timeit)
def to_cartesian(data, lat, lon):
rad = 6378137
data[‘x’] = data.apply(lambda row: rad* math.cos(np.deg2rad(row.lat))*math.cos(np.deg2rad(row.lon)),axis=1)
data[‘y’] = data.apply(lambda row: rad * math.cos(np.deg2rad(row.lat))*math.sin(np.deg2rad(row.lon)),axis=1)
data[‘z’] = data.apply(lambda row: rad* math.sin(np.deg2rad(row.lat)), axis = 1)
return data
注意:如果您的数据只包含地址，也可以使用“geopy”之类的包将其转换为地理坐标
第三步:下一步是创建树:
用于快速最近邻查找的 kd 树。这个类提供了一组 k 维点的索引，可以用来快速查找任意点的最近邻。
[@timeit](http://twitter.com/timeit)
def create(df):
print(‘creating…’)
tree = cKDTree(df)
print(‘created…’)
return tree
第四步:基于距离查询树
这里我用的是 query_ball_point。这将找到距离点 x . r 内的所有点，然后将查询的点追加到列表中。
[@timeit](http://twitter.com/timeit)
def query(tree, df):
print(‘query started…’)
dist_in_mtr = 5 * 1609.34
#BATCH_SIZE = 100_000
results = []
neigh_pair = tree.query_ball_point(df,dist_in_mtr,p=2,n_jobs=-1)
for neighs in neigh_pair:
if len(neighs) > 1:
results.append([neighs[0],‘,’.join([str(x) for x in neighs[1:]]), i])
print(‘query finished…’)
return results
第五步:展开列表
使用 Explode 函数根据列表构建数据框，以便获得相邻对。
[@timeit](http://twitter.com/timeit)
def list_to_pandas(data):
return pd.DataFrame(data, columns = [‘source’, ‘neighs’]).explode(‘neighs’)
步骤加成:导入导出数据
[@timeit](http://twitter.com/timeit)
def save(df, file_name):
path_out = 'import/file/path' + file_name
df.to_parquet(path_out, sep = '|', index = False)
print('save finished...')[@timeit](http://twitter.com/timeit)
def load_df():
print("fetching...")
path = 'export/file/path'
df = pd.read_parquet(path , sep = '|')
print("fetched...")
print(df.shape)
return df
KDTree 是一种计算实体间距离的简单方法，它直观地显示了数据在地图上的分布情况，并有助于查询树中的数据和评估距离。
当数据很大时，需要大量的代码优化，因为树会跳舞，查询会溢出内存，或者函数爆炸会创建一个巨大的数据集。
通过 LinkedIn 与我进行有趣的对话:www.linkedin.com/comm/mynetwork/discovery-see-all?use case = PEOPLE _ FOLLOWS&follow member = shreepadahs
https://pypi.org/project/geopy/
https://docs . scipy . org/doc/scipy/reference/generated/scipy . spatial . CKD tree . html
https://en . Wikipedia . org/wiki/Geodetic _ Reference _ System _ 1980