时间戳

首页 > 解决方案 > 如何按值分组但保持数据结构？

python - 如何按值分组但保持数据结构？

问题描述

我有一个数据集，其中包含一个销售系统的单位（商店）列表，每周都有销售和单位。我已将它们分组为一个测试组和一个控制组，作为一个新列。

我现在要做的是在数据集中使用这些新组，因为我想在所有星期内将它们相互绘制。

到目前为止，我在这方面的最佳表现是： df_group = df.groupby('Group')['Sales'].sum() 然而，这只是总结它们，而不是每周。

   Unit  Year  Week System_Type   Sales  Units_Sold
0  6111  2019     1  Component2  109578        3139
1  6111  2019     1  Component1   20792         639
2  6111  2019     2  Component2  115363        3425
3  6111  2019     2  Component1   25261         796
4  6111  2019     3  Component2  114913        3352

df['Group'] = np.where(((df['Unit'] == 6111) | (df['Unit'] == 6112) | (df['Unit'] == 6121)), 'control', 'test')
df.head()
    Unit    Year    Week    System_Type Sales   Units_Sold  Group
0   6111    2019    1   Component2  109578  3139    control
1   6111    2019    1   Component1  20792   639 control
2   6111    2019    2   Component2  115363  3425    control
3   6111    2019    2   Component1  25261   796 control
4   6111    2019    3   Component2  114913  3352    control

time = df.Week.unique()

df_cat = df[df.System_Type == 'Component1']

我一直在研究这个问题，但无法通过谷歌搜索找到正确的解决方案。我在想也许可以使用“时间”变量作为新索引？

非常感谢任何帮助！

标签： pythonpython-3.xpandaspandas-groupby

解决方案

让我们玩：

import pandas as pd

df = pd.read_table('c:/4/AAA.txt', sep=',')
df.head(10)

df.groupby(['Week','Sales']).sum().sort_values('Sales')
df[(df['Sales']>30000)&(df['Year']==2019)].sort_values('Sales')
df[df['System_Type']=='Component2'].groupby('Sales').filter(lambda x: len(x)<2500).groupby('Sales').size().to_frame('size').sort_values('size')

推荐阅读