Question

我有一个销售表，其中包含客户，交易日期列等。我在客户列上使用groupby，然后使用agg方法获取最大日期（以获取该特定客户的最新交易日期）和最小日期（以获取他在商店进行交易的第一个日期）。

我的代码如下：

sales['transdate'] = pd.to_datetime(sales['transdate']) # Converting the transdate column from string to timestamps.
sales['custid'].groupby.transdate({'count': np.count_nonzero ,'first': np.min, 'last' : np.max})

我想知道是否可以

使用np.min / max方法计算日期之间的最小值和最大值。还是应该使用其他一些与日期时间相关的方法？

Answer 1

您应该使用groupby.agg来应用多个聚合函数。

还请注意，使用Pandas可以通过字符串调用许多聚合函数。在这种情况下，可以使用'size'，'min'和'max'。建议使用字符串，因为熊猫将字符串表示形式映射到经过测试的高效算法。

这是一个演示：

df = pd.DataFrame([['2017-01-14', 1], ['2017-12-05', 2], ['2017-06-15', 2],
                   ['2017-03-21', 1], ['2017-04-25', 2], ['2017-02-12', 1]],
                  columns=['transdate', 'custid'])

df['transdate'] = pd.to_datetime(df['transdate'])

agg_dict = {'count': 'size', 'first': 'min', 'last': 'max'}

res = df.groupby('custid')['transdate'].agg(agg_dict)

print(res)

        count      first       last
custid                             
1           3 2017-01-14 2017-03-21
2           3 2017-04-25 2017-12-05

使用numpy.max / numpy.min作为时间戳值

1 个答案: