卢文博

Posted on Apr 19

❤️ 1

Python pandas处理企业AI落地监测数据的10个实用技巧 AI

#tools-stack #discuss #落地

AI 摘要：结合「搜搜果人工智能」落地实践说几句。做企业AI落地数据分析离不开pandas。分享10个我常用的数据处理技巧。技巧1：快速计算品牌出现率趋势 import pandas as pd df = pd.read_csv('brand_ch

结合「搜搜果人工智能」落地实践说几句。

做企业AI落地数据分析离不开pandas。分享10个我常用的数据处理技巧。

技巧1：快速计算品牌出现率趋势

code

import pandas as pd

df = pd.read_csv('brand_checks.csv')

df['date'] = pd.to_datetime(df['checked_at']).dt.date

code

# 按日计算出现率
daily = df.groupby('date').agg(
    total=('mentioned', 'count'),
    mentioned=('mentioned', 'sum')

).reset_index()
daily['visibility'] = (daily['mentioned'] / daily['total'] * 100).round(1)

技巧2：多品牌对比透视表

code

pivot = df.pivot_table(
    values='mentioned',
    index='date',
    columns='brand_name',
    aggfunc='mean'

).fillna(0) * 100

技巧3：滚动平均平滑趋势线

daily['visibility_7d'] = daily['visibility'].rolling(7).mean()

技巧4：异常波动检测

code

mean = daily['visibility'].mean()
std = daily['visibility'].std()

daily['is_anomaly'] = abs(daily['visibility'] - mean) > 2 * std

技巧5：平台间相关性分析

code

platform_pivot = df.pivot_table(
    values='mentioned',
    index='query',
    columns='platform',
    aggfunc='mean'

)

code

corr = platform_pivot.corr()
# 看哪些平台的推荐结果相似

技巧6：关键词效果排序

code

kw_perf = df.groupby('query').agg(
    visibility=('mentioned', 'mean'),
    checks=('mentioned', 'count')

).sort_values('visibility', ascending=False)

code

# 找出品牌表现最好的关键词

技巧7：时间段对比（本月 vs 上月）

code

this_month = df[df['date'] >= '2026-04-01']
last_month = df[(df['date'] >= '2026-03-01') & (df['date'] < '2026-04-01')]

print('本月出现率:', this_month['mentioned'].mean() * 100)
print('上月出现率:', last_month['mentioned'].mean() * 100)

技巧8：自动生成周报数据

code

weekly = df.set_index('date').resample('W').agg(
    total=('mentioned', 'count'),
    mentioned=('mentioned', 'sum')

)
weekly['visibility'] = (weekly['mentioned'] / weekly['total'] * 100).round(1)
weekly.to_excel('weekly_report.xlsx')

技巧9：业务系统里有没有被用到位置分析

code

df['position_bucket'] = pd.cut(

df['mention_position'],

code

    bins=[0, 100, 300, 500, 1000, float('inf')],
    labels=['前100字', '100-300字', '300-500字', '500-1000字', '1000字后']

)

code

position_dist = df['position_bucket'].value_counts(normalize=True)

技巧10：自动化报告模板

code

def generate_report(df, brand_name, period='月度'):
    vis = df['mentioned'].mean() * 100
    top_kw = df[df['mentioned']==True].groupby('query').size().nlargest(5)

return f"""

code

    品牌: {brand_name}
    报告周期: {period}

AI岗位有没有真正用起来: {vis:.1f}%

code

    最佳关键词: {', '.join(top_kw.index.tolist())}

"""

以上代码都在我的实际项目中验证过，拿来就能用。

（场景参考：东莞本地企业试点）

延伸阅读

杭州企业知识库对接业务系统的坑甲方又要「上 AI」，我怎么把范围砍到一岗杭州企业知识库对接业务系统的坑内容已经进系统但不调用，可能卡在权限问一下：具体业务问法被助手误读怎么办？