时间戳

首页 > 解决方案 > Pandas：如何按月和年过滤并按分组ID返回最大值？

python - Pandas：如何按月和年过滤并按分组ID返回最大值？

问题描述

我有以下任务要在 DataFrame 上执行：

  1. 在 2014 年 9 月之前过滤日期并存储在新的 DataFrame 中。
  2. 查找每个商店产生的收入。
  3. 找出 2014 年 9 月产生的最大收入。

我试过这个python 3代码。

def get_year(x):
    return x.split(".")[-1]

def get_month(x):
    return x.split(".")[-2]


transactions['year'] = transactions['date'].map(get_year)
transactions['month'] = transactions['date'].map(get_month)

transactions['item_cnt_day'] = transactions['item_cnt_day'].replace(-1.0, 0)

transactions["Revenue"] = transactions["item_price"]*transactions["item_cnt_day"]

sort = transactions[(transactions["year"] == 2014) & (transactions["month"] == 9)]

max(sort.groupby(transactions["Revenue"]).sum())

date date_block_num shop_id item_id item_price item_cnt_day year month  Revenue
02.01.2013     0      59    22154   999.00     1.0          2013    01  999.00
03.01.2013     0      25    2552    899.00     1.0          2013    01  899.00
05.01.2013     0      25    2552    899.00     0.0          2013    01  0.00
06.01.2013     0      25    2554    1709.05    1.0          2013    01  1709.05
15.01.2013     0      25    2555    1099.00    1.0          2013    01  1099.00

标签： pythonpandas

解决方案

您可以使用：

#changed sample data for Septmber 2014
print (transactions)
         date  date_block_num  shop_id  item_id  item_price  item_cnt_day
0  02.01.2013               0       59    22154      999.00           1.0
1  03.01.2013               0       25     2552      899.00           1.0
2  05.09.2014               0       25     2552      899.00           0.0
3  06.09.2014               0       25     2554     1709.05           1.0
4  15.09.2014               0       26     2555     1099.00           1.0

首先将列转换date为日期时间并提取年份和月份：

transactions['date'] = pd.to_datetime(transactions['date'], dayfirst=True)
transactions['year'] = transactions['date'].dt.year
transactions['month'] = transactions['date'].dt.month

transactions['item_cnt_day'] = transactions['item_cnt_day'].replace(-1.0, 0)
transactions["Revenue"] = transactions["item_price"]*transactions["item_cnt_day"]
print (transactions)
        date  date_block_num  shop_id  item_id  item_price  item_cnt_day  \
0 2013-01-02               0       59    22154      999.00           1.0   
1 2013-01-03               0       25     2552      899.00           1.0   
2 2014-09-05               0       25     2552      899.00           0.0   
3 2014-09-06               0       25     2554     1709.05           1.0   
4 2014-09-15               0       26     2555     1099.00           1.0   

   year  month  Revenue  
0  2013      1   999.00  
1  2013      1   899.00  
2  2014      9     0.00  
3  2014      9  1709.05  
4  2014      9  1099.00  

sort = transactions[(transactions["year"] == 2014) & (transactions["month"] == 9)]
print (sort)
        date  date_block_num  shop_id  item_id  item_price  item_cnt_day  \
2 2014-09-05               0       25     2552      899.00           0.0   
3 2014-09-06               0       25     2554     1709.05           1.0   
4 2014-09-15               0       26     2555     1099.00           1.0   

   year  month  Revenue  
2  2014      9     0.00  
3  2014      9  1709.05  
4  2014      9  1099.00

sum按列聚合shop_id：

out1 = sort.groupby('shop_id', as_index=False)['Revenue'].sum()
print (out1)
   shop_id  Revenue
0       25  1709.05
1       26  1099.00

Revenue通过in的最大值获取商店out1：

out2 = out1.set_index('shop_id')['Revenue'].idxmax()
print (out2)
25

推荐阅读