Question

这是一个相当初学者级别的熊猫问题。

我有一个事务的DataFrame：

Customer  Date      Amount 
Angus  2009-07-18   $76.46 
Bruno  2009-07-21   $68.66 
Danno  2009-07-25   $73.52 
Chapp  2009-07-11   $56.04 
Chapp  2009-07-21   $11.30 
Frank  2009-07-07   $52.86 
Chapp  2009-07-09   $97.82 
Danno  2009-07-11   $84.98 
(etc. for thousands of lines)

我想从这些数据中创建四个DataFrame：

对于每位客户，客户名称，他们完成的交易次数以及这些交易金额的总和
为每位客户提供最近一次交易的日期和金额。
为每位客户提供首次交易的日期和金额。
为每位客户提供最大（金额）交易的日期和金额。

你能告诉我适当的代码吗？

（回答“你为什么使用DataFrames？你应该使用ThnargLopes！”将受到热烈欢迎。）

Answer 1

我认为DataFrame是一个很好的数据结构。每当您设置“拆分 - 应用 - 组合”一组分析步骤时，Pandas都会表现出色。您可以编写一个函数，假设您只有一个客户并返回Series，就像您正在寻找的那样。

import pandas as pd
def trans_count(DF):
    return pd.Series({'count': len(DF),
                     'total': sum(DF['Amount'])})

然后使用groupby和apply：

yourDF.groupby('Customer').apply(trans_count)

但是，由于您的每个新DataFrames都是单个客户的摘要，因此我建议您编写一个可以在一个Series中返回所有所需结果的函数。

未经我的手机测试！

Answer 2

好的，我已经弄明白了。首先，我们将一个事务字段汇总为：

df["Trans"] = len(df)*[1]

我们按客户分组：

cust_gp = df.groupby("Customer")

第一个最简单：

cust_gp.sum()

四也不难：

cust_gp.max()

2和3很棘手......我找到了一个似乎与我的测试数据一起使用的解决方案。按客户和日期对数据进行排序，然后按每个客户的第一个进行汇总：

df.sort(["Customer","Date"]).groupby("Customer").first()
df.sort(["Customer","Date"]).groupby("Customer").last()

...但是当我在我的大数据集上运行它时，我被告知我的一些最近交易是在最后交易之前发生的。这毫无意义。

事实证明，日期字段是作为文本导入的！所以，完整的解决方案：

df.Date = pd.to_datetime(df.Date) # Date field should be date, not text df = df.sort(["Customer","Date"]) cust_gp = df.groupby("Customer") total_df = cust_gp.sum() # 1 largest_df = cust_gp.max() # 2 first_df = cust_gp.first() # 3 last_df = cust_gp.last() # 4

我对此很满意，除了“礼物”栏目，我确信这些栏目并没有以最优雅的方式实施。

以四种不同方式聚合数据

2 个答案: