我不熟悉生存分析,并用Python的生命线快速编写了一个基线生存函数。但与我自己根据数据绘制的保留曲线相比,我得到的图表过于乐观
下面是我根据数据绘制的图表。它显示了来自不同群体的客户停留的时间。很明显,来自比利时(红线)的人比来自荷兰的人停留的时间更长。20周后,56%的比利时客户仍然在那里,而荷兰人只有43%
但是,当我使用Python的生命线CoxPHFitter绘制生存函数时,我得到了以下图表:
研究表明,比利时人和荷兰人在20周后“活着”的概率分别超过70%和50%
为什么这些数字不同?我是否曲解了其中一条曲线
这是我的代码:
cph = CoxPHFitter()
cph.fit(dumies, 'weeks_subscribed', event_col='stopped')
cph.plot_partial_effects_on_outcome('addresses__address__country__name_Nederland',values=[0,1])
其中,如果客户不再订阅,则“stopped”设置为1。“订阅周数”的平均长度为18周
编辑:
我手动计算保留图的方法如下:
def add_time_subscribed(rd):
rd['weeks_subscribed'] = 0
for index, row in rd.iterrows():
if (not row['stopped']) and (not row['_paused']):
end_date = datetime.now(tz=pytz.UTC)
else:
end_date = row['paused_at']
rd.loc[index,'weeks_subscribed'] = (end_date - row['subscribed_at']).days/7
def stayers_per_week(rd):
y_axis = np.zeros(int(rd['weeks_subscribed'].max())+1)
for index, row in rd.iterrows():
for i in range(int(row['weeks_subscribed'])+1):
y_axis[i] += 1
x_axis = [i for i in range(len(y_axis))]
return x_axis, y_axis/y_axis[0]
这两张图不相似的原因有很多
我建议您绘制Kaplan meir拟合生存函数:
然后,您还可以绘制“地址、地址、国家、名称、荷兰”的图,取值为0和1:
这可能会让你对缺乏连贯性有更好的了解
相关问题 更多 >
编程相关推荐