请详细解释这段代码的逻辑判断过程：def active_status(data): # data整行数据 共12列 即一个用户的12个月的消费记录 status = [] # 负责存储用户 12 个月的状态：unreg|new|active|unactive|return for i in range(12): # 本月没有消费 if data[i] == 0: if len(status) == 0: #前面没有任何记录（21年1月份） status.append('unreg') else: #开始判断上一个月状态 if status[i-1] == 'unreg': # 一直未消费过 status.append('unreg') else: # 只要本月没有消费当前的为0且不是unreg 只能为unactive status.append('unactive') # 本月有消费==1 else: if len(status) == 0: #前面没有任何记录（21年1月份） status.append('new') else: #之前有过记录 开始判断上一个月状态 if status[i-1] == 'unactive': # 上个月没有消费 status.append('return') elif status[i-1] == 'unreg': # 以前没有消费过 status.append('new') else: status.append('active') return pd.Series(status,df_purchase.columns) # 值为status 列名为df_purchase中的列名 purchase_states = df_purchase.apply(active_status,axis=1) # axis=1 朝列的方向读取 purchase_states.head()

这段代码主要是根据用户在 12 个月中的消费情况来判断该用户在每个月的状态。下面是代码的逻辑判断过程：

1. 定义一个空列表 status，用于存储用户 12 个月的状态信息。

2. 通过 for 循环遍历 data 列表中的每个元素，i 表示当前月份的索引。

3. 如果本月没有消费（data[i] == 0），则需要根据前一个月的状态来判断该用户在该月的状态：

a. 如果前一个月的状态为 unreg（未注册），则该用户一直未消费过，当前月份的状态也为 unreg。

b. 否则，如果前一个月的状态不是 unreg，且本月没有消费，则该用户为不活跃用户，当前月份的状态为 unactive。

4. 如果本月有消费（data[i] == 1），则需要根据前一个月的状态来判断该用户在该月的状态：

a. 如果前一个月的状态为 unactive（不活跃用户），则该用户在本月回流，当前月份的状态为 return。

b. 否则，如果前一个月的状态为 unreg（未注册），则该用户为新用户，当前月份的状态为 new。

c. 否则，如果前一个月的状态不是 unreg，且本月有消费，则该用户为活跃用户，当前月份的状态为 active。

5. 将计算出来的状态信息存储到 status 列表中。

6. 将 status 列表转换为 Pandas Series，其中值为状态信息，列名为输入 DataFrame df_purchase 中的列名，返回该 Series。

7. 将该函数应用于 df_purchase 中的每一行数据，将结果存储到 purchase_states 变量中。