Question

我有一个包含年度季度（例如2015-Q4）的数据框，customer_ID和预订金额，以及许多其他列目前无关紧要。我想创建一个每个客户第一次预订的列。我试过这个：

alldata.sort_values(by=['Total_Apps_Reseller_Bookings_USD', 'Year_Quarter'], 
                    ascending=[1, 1], 
                    inplace=True)
first_q = alldata[['Customer_ID', 'Year_Quarter']].groupby(by='Customer_ID').first()

但我不确定它是否奏效。

另外，我想要另一个专栏，告诉我第一次预订后预订了多少个季度。我没有使用替换和字典，所以我使用了合并。我为每个预订季度和第一季度从上面创建一个数字ID，然后减去两个：

q_booking_num = pd.DataFrame({'Year_Quarter': x, 'First_Quarter_id': np.arange(28)})

alldata = pd.merge(alldata, q_booking_num, on='Year_Quarter', how='outer')
q_first_num = pd.DataFrame({'First_Quarter': x, 'First_Quarter_id': np.arange(28)})
alldata = pd.merge(alldata, q_first_num, on='First_Quarter', how='outer')

在我看到的第一季度＆＃39;这似乎并没有起作用。在一些已经完成的预订之后。

Answer 1

您需要指定用于获取第一个值的列：

first_q = (alldata[['Customer_ID','Year_Quarter']]
           .groupby(by='Customer_ID')
           .Year_Quarter
           .first()
          )

以下是三位客户的一些示例数据：

df = pd.DataFrame({'customer_ID': [1, 
                                   2, 2, 
                                   3, 3, 3], 
                   'Year_Quarter': ['2010-Q1', 
                                    '2010-Q1', '2011-Q1', 
                                    '2010-Q1', '2011-Q1', '2012-Q1'], 
                   'Total_Apps_Reseller_Bookings_USD': [1, 
                                                        2, 3, 
                                                        4, 5, 6]})

下面，我将文本区（例如'2010-Q1'）转换为数字等效项，方法是将第一个字符的int值转换为字符（df.Year_Quarter.str[:4].astype(int)）。然后我将它乘以4并添加该季度的值。此值仅用于差分以确定自第一个订单以来的总季度数。

接下来，我在transform上使用groupby来获取我们刚刚计算的这些季度的最小值。使用transform可使此值保持与原始数据框相同的形状。

然后我将quarters_since_first_order计算为季度和第一季度之间的差异。

df['quarters'] = df.Year_Quarter.str[:4].astype(int) * 4 + df.Year_Quarter.str[-1].astype(int)
first_order_quarter_no = df.groupby('customer_ID').quarters.transform(min)
df['quarters_since_first_order'] = quarters - first_order_quarter_no
del df['quarters']  # Clean-up.

>>> df
   Total_Apps_Reseller_Bookings_USD Year_Quarter  customer_ID  quarters_since_first_order
0                                 1      2010-Q1            1                           0
1                                 2      2010-Q1            2                           0
2                                 3      2011-Q1            2                           4
3                                 4      2010-Q1            3                           0
4                                 5      2011-Q1            3                           4
5                                 6      2012-Q1            3                           8

Answer 2

第1部分：

我认为你需要稍微改变一下才能得到你想要的结果：

alldata.sort_values(by=['Customer_ID', 'Year_Quarter', 
                        'Total_Apps_Reseller_Bookings_USD'], 
                    ascending=[1, 1],inplace=True)
first_q = alldata[['Customer_ID','Year_Quarter']].groupby(by='Customer_ID').head(1)

第2部分：

继续关闭第1部分，您可以将值重新合并到原始数据帧。此时，您可以编写自定义函数来减去日期字符串，然后将其应用于每一行。

类似的东西：

def qt_sub(val, first):
    year_dif = val[0:4] - first[0:4]
    qt_dif = val[6] - first[6]
    return 4 * int(year_dif) + int(qt_dif)

alldata['diff_from_first'] = alldata.apply(lambda x: qt_sub(x['Year_Quarter'], 
                                                            x['First_Sale']),
                                           axis=1)

查找数据帧中第一次出现值

2 个答案: