写一个收集银行客户交易历史 账户信息 偏好行为等数据进行客户画像的python代码

为了创建一个简单的Python脚本，用于收集银行客户的交易历史、账户信息和偏好行为数据，并构建客户画像，我们可以使用pandas库来处理数据。这里是一个基本框架：

import pandas as pd

# 定义一个示例数据结构，实际应用中可能从数据库或API获取
class CustomerData:
    def __init__(self):
        self.transaction_history = pd.DataFrame(columns=['transaction_date', 'amount', 'category'])
        self.account_info = {
            'customer_id': '',
            'name': '',
            'balance': 0,
            'account_type': ''
        }
        self.preferences = {
            'product_preferences': [],
            'communication_channel': '',
            'frequency': '',
        }

def collect_customer_data(customer_id):
    # 模拟从数据库获取数据
    transaction_df = get_transaction_data(customer_id)
    account_info = get_account_details(customer_id)
    
    # 更新客户对象
    customer = CustomerData()
    customer.customer_id = customer_id
    customer.transaction_history = transaction_df
    customer.account_info.update(account_info)
    
    # 假设偏好数据已存储在外部源，这里仅作说明
    preferences = fetch_preferences(customer_id)
    customer.preferences.update(preferences)

    return customer

def get_transaction_data(customer_id):
    # 这里假设有一个函数返回DataFrame
    return pd.DataFrame({
        'customer_id': [customer_id] * 5,  # 示例数据有5条交易记录
        'transaction_date': ['2023-01-01', '2023-02-14', '2023-03-28', '2023-05-12', '2023-06-30'],
        'amount': [100, 200, 300, 400, 500],
        'category': ['deposit', 'withdrawal', 'investment', 'utility', 'salary']
    })

def get_account_details(customer_id):
    # 这里也假设有一个函数返回字典
    return {'customer_id': customer_id, 'name': 'John Doe', 'balance': 2000, 'account_type': 'checking'}

def fetch_preferences(customer_id):
    # 这部分需要根据实际情况填充，比如从CSV或其他数据源读取
    # 返回的字典应包含偏好信息
    return {
        'product_preferences': ['online_banking', 'mobile_app'],
        'communication_channel': 'email',
        'frequency': 'monthly'
    }

# 使用示例
customer = collect_customer_data('12345')
print(customer.transaction_history)
print(customer.account_info)
print(customer.preferences)

在这个例子中，我们首先定义了一个`CustomerData`类，包含了交易历史、账户信息和偏好信息的数据容器。然后我们编写了几个模拟函数来获取这些数据。最后，通过`collect_customer_data`函数将所有数据整合到一起。