utils_pack/trans_dataset.py

import numpy as np

def trans_data_set(df):
    # Función para calcular churn basado en lógica combinada
    
    conditions_edad=[
        df["edad"]<=25,
        (df["edad"]>25) & (df["edad"]<=40),
        (df["edad"]>40) & (df["edad"]<=55),
        df["edad"]>55
    ]

    choices_edad=[2,3,4,2]
    df["edad_cat"]=np.select(conditions_edad, choices_edad)

    conditions_frecuencia_visitas=[
        df["frecuencia_visitas_mensual"]<=8,
        (df["frecuencia_visitas_mensual"]>8) & (df["frecuencia_visitas_mensual"]<=15),
        df["frecuencia_visitas_mensual"]>15
    ]
    choices_frecuencia_visitas=[2,3,4]

    df["frecuencia_visitas_cat"]=np.select(conditions_frecuencia_visitas, choices_frecuencia_visitas)

    conditions_antiguedad=[
        df["antigüedad_meses"]<=6,
        (df["antigüedad_meses"]>6) & (df["antigüedad_meses"]<=12),
        (df["antigüedad_meses"]>12) & (df["antigüedad_meses"]<=24),
        (df["antigüedad_meses"]>24) & (df["antigüedad_meses"]<=36),
        df["antigüedad_meses"]>36
    ]
    choices_antiguedad=[1,2,3,4,5]
    df["antiguedad_cat"]=np.select(conditions_antiguedad, choices_antiguedad)

    conditions_pago_automatico=[
        df["pago_automatico"]==0,
        df["pago_automatico"]==1
    ]
    choices_pago_automatico=[2,4]
    df["pago_automatico_cat"]=np.select(conditions_pago_automatico, choices_pago_automatico)

    conditions_queja_reciente=[
        df["queja_reciente"]==0,
        df["queja_reciente"]==1
    ]
    choices_queja_reciente=[4,2]
    df["queja_reciente_cat"]=np.select(conditions_queja_reciente, choices_queja_reciente)
    #%%
    riesgo_insatisfacción=df["limpieza_instalaciones"]+df["calidad_equipos"]+df["equipos_disponibles"]+df["dispo_instructores"]+df["precio_percibido"]
    riesgo_comportamiento=df["frecuencia_visitas_cat"]+df["edad_cat"]+df["pago_automatico_cat"]+df["queja_reciente_cat"]
    avg_riesgo_insatisfacción=riesgo_insatisfacción/5
    avg_riesgo_insatisfacción_invertido = 6 - avg_riesgo_insatisfacción  # Invertir la escala
    avg_riesgo_comportamiento=riesgo_comportamiento/4

    riesgo_ponderado=(0.6*avg_riesgo_insatisfacción_invertido)+(0.4*avg_riesgo_comportamiento)
    #%%
    df["risk"]=riesgo_ponderado
    df["churn"] = np.where(riesgo_ponderado > 3.5, 1, 0)

    #Tranformar variable genero a binaria
    df['genero'] = np.where(df['genero'] == 'F', 1, 0)

    return df