python - 带有 groupby 和条件的 Pandas 滚动总和
问题描述
我有一个数据框,其中包含带有客户分析的不同商品的销售时间序列。对于每个项目和给定的一天,我想计算:
- 过去 2 天总销售额中我最好的客户的份额
- 在过去 2 天的总销售额中,我的主要客户(来自列表)的份额
我已经尝试过这里提供的解决方案:
- 对于滚动总和: Pandas 在一个日期范围内分别为每个类别求和
- 对于条件 groupby:Pandas groupby 标识另一列中具有最大值的元素
可以通过以下方式生成示例数据框:
import pandas as pd
from datetime import timedelta
df_1 = pd.DataFrame()
df_2 = pd.DataFrame()
df_3 = pd.DataFrame()
# Create datetimes and data
df_1['item'] = [1, 1, 1, 2, 2, 2, 2]
df_1['date'] = pd.date_range('1/1/2018', periods=7, freq='D')
df_1['customer'] = ['a', 'b', 'c', 'a', 'b', 'b', 'c']
df_1['sales'] = [2, 4, 1, 5, 7, 2, 3]
df_2['item'] = [1, 1, 1, 2, 2, 2, 2]
df_2['date'] = pd.date_range('1/1/2018', periods=7, freq='D')
df_2['customer'] = ['b', 'b', 'c', 'a', 'a', 'c', 'a']
df_2['sales'] = [2, 3, 4, 2, 3, 5, 6]
df_3['item'] = [1, 1, 1, 2, 2, 2, 2]
df_3['date'] = pd.date_range('1/1/2018', periods=7, freq='D')
df_3['customer'] = ['b', 'c', 'a', 'c', 'b', 'a', 'b']
df_3['sales'] = [6, 5, 2, 3, 4, 5, 6]
df = pd.concat([df_1, df_2, df_3])
df = df.sort_values(['item', 'date'])
df.reset_index(drop=True)
看起来像这样:
物品 | 日期 | 顾客 | 销售量 |
---|---|---|---|
1 | 2018-01-01 | 一种 | 2 |
1 | 2018-01-01 | b | 2 |
1 | 2018-01-01 | b | 6 |
1 | 2018-01-02 | b | 4 |
1 | 2018-01-02 | b | 3 |
1 | 2018-01-02 | C | 5 |
1 | 2018-01-03 | C | 1 |
1 | 2018-01-03 | C | 4 |
1 | 2018-01-03 | 一种 | 2 |
2 | 2018-01-04 | 一种 | 5 |
2 | 2018-01-04 | 一种 | 2 |
2 | 2018-01-04 | C | 3 |
2 | 2018-01-05 | b | 7 |
2 | 2018-01-05 | 一种 | 3 |
2 | 2018-01-05 | b | 4 |
2 | 2018-01-06 | b | 2 |
2 | 2018-01-06 | C | 5 |
2 | 2018-01-06 | 一种 | 5 |
2 | 2018-01-07 | C | 3 |
2 | 2018-01-07 | 一种 | 6 |
2 | 2018-01-07 | b | 6 |
我期待以下结果:
物品 | 日期 | 当天销售 | sales_last_2_days | a_share | top_share |
---|---|---|---|---|---|
1 | 2018-01-01 | 10 | 钠 | 钠 | 钠 |
1 | 2018-01-02 | 12 | 10 | 0.20 | 0.20 |
1 | 2018-01-03 | 7 | 22 | 0.09 | 0.09 |
2 | 2018-01-04 | 10 | 钠 | 钠 | 钠 |
2 | 2018-01-05 | 14 | 10 | 0.70 | 1.00 |
2 | 2018-01-06 | 12 | 24 | 0.29 | 0.42 |
2 | 2018-01-07 | 15 | 26 | 0.31 | 0.50 |
在哪里,
a_share
是过去 2 天(不包括当天)客户“a”的销售额占总销售额
top_share
的份额
top_cust = ['a', 'c']
列出过去 2 天的总销售额(不包括当天)
有任何想法吗?提前谢谢了 :)
安迪
解决方案
采用:
#custom rolling with shift first day
f = lambda x: x.rolling(2, min_periods=1).sum().shift()
#aggregate sum
df1 = df.groupby(['item','date'], as_index=False)['sales'].sum()
#apply custom rolling per groups
df1['sales_last_2_days'] = df1.groupby('item')['sales'].apply(f).reset_index(drop=True, level=0)
#filter customer a and aggregate sum
a = df[df['customer'].eq('a')].groupby(['item','date'])['sales'].sum().rename('a_share')
#add new column to original
df1 = df1.join(a, on=['item','date'])
#applt custom rolling per groups and divide
df1['a_share'] = df1.groupby('item')['a_share'].apply(f).reset_index(drop=True, level=0) / df1['sales_last_2_days']
#verys similar like before, only test membership by isin
top_cust = ['a', 'c']
a = df[df['customer'].isin(top_cust)].groupby(['item','date'])['sales'].sum().rename('top_share')
df1 = df1.join(a, on=['item','date'])
df1['top_share'] = df1.groupby('item')['top_share'].apply(f).reset_index(drop=True, level=0) / df1['sales_last_2_days']
print (df1)
item date sales sales_last_2_days a_share top_share
0 1 2018-01-01 10 NaN NaN NaN
1 1 2018-01-02 12 10.0 0.200000 0.200000
2 1 2018-01-03 7 22.0 0.090909 0.318182
3 2 2018-01-04 10 NaN NaN NaN
4 2 2018-01-05 14 10.0 0.700000 1.000000
5 2 2018-01-06 12 24.0 0.416667 0.541667
6 2 2018-01-07 15 26.0 0.307692 0.500000
如果想rolling
与天一起使用,那就更复杂了:
df1 = df.groupby(['item','date'], as_index=False)['sales'].sum()
sales1 = (df1.set_index('date')
.groupby('item')['sales']
.rolling('2D', min_periods=1)
.sum()
.groupby('item')
.shift()
.rename('sales_last_2_days')
)
df1 = df1.join(sales1, on=['item','date'])
df2 = df[df['customer'].eq('a')].groupby(['item','date'], as_index=False)['sales'].sum()
a = (df2.set_index('date')
.groupby('item')[['sales']]
.apply(lambda x: x.asfreq('D'))
.reset_index(level=0)
.groupby('item')['sales']
.rolling('2D', min_periods=1)
.sum()
.groupby('item')
.shift()
.rename('a_share')
)
print (a)
df1 = df1.join(a, on=['item','date'])
df1['a_share'] /= df1['sales_last_2_days']
top_cust = ['a', 'c']
df3 = df[df['customer'].isin(top_cust)].groupby(['item','date'], as_index=False)['sales'].sum()
b = (df3.set_index('date')
.groupby('item')[['sales']]
.apply(lambda x: x.asfreq('D'))
.reset_index(level=0)
.groupby('item')['sales']
.rolling('2D', min_periods=1)
.sum()
.groupby('item')
.shift()
.rename('top_share')
)
df1 = df1.join(b, on=['item','date'])
df1['top_share'] /= df1['sales_last_2_days']
print (df1)
item date sales sales_last_2_days a_share top_share
0 1 2018-01-01 10 NaN NaN NaN
1 1 2018-01-02 12 10.0 0.200000 0.200000
2 1 2018-01-03 7 22.0 0.090909 0.318182
3 2 2018-01-04 10 NaN NaN NaN
4 2 2018-01-05 14 10.0 0.700000 1.000000
5 2 2018-01-06 12 24.0 0.416667 0.541667
6 2 2018-01-07 15 26.0 0.307692 0.500000
推荐阅读
- javascript - 无法在 discord.js v13 上发送空消息
- multiprocessing - 用于同时执行不同脚本的 Python 脚本
- matlab - 在 MATLAB 中,NANs 在训练神经网络期间
- android - 无法创建与数据库服务器 Kotlin 的连接
- python - 连接多个时间和日期列
- javascript - 如何从 handlebars.js 做出反应
- clipboard - Coqide 在 wsl 中看不到全局剪贴板
- javascript - Nuxt 3 - resolver.resolveModule 不是函数
- vue.js - 如何比通过 const 更明确地声明变量?
- html - 如何使用 RSelenium 从浏览器对话框上传文件