如何写好长熊猫聚合？

Question

TL; DR

如何编写涉及groupby()，unstack()或apply()等许多操作的长聚合？

示例

假设DataFrame() n_sales = 1000个n_events = 10个不同活动的门票销售，例如

import pandas as pd
import numpy as np

sales = pd.DataFrame({
    'Event': np.random.choice(range(n_events), n_sales), 
    'Time': np.random.rand(n_sales)})

并且您想要绘制在晚上至少售出n = [50, 100]张票数的事件：

然后我会做

accumulation_of_sales = sales.groupby(['Time', 'Event']).size().unstack().fillna(0).cumsum()
events_with_n_sales = accumulation_of_sales.apply(lambda x: x.value_counts(), axis=1).fillna(0)
events_with_geq_n_sales = events_with_n_sales[events_with_n_sales.columns[::-1]].cumsum(axis=1)

events_with_geq_n_sales[n].plot()

这似乎很难读给我，原则上这些线太长了（见PEP）。所以，

• 这项具体和类似的操作如何做得最好？
• 是否有一些教程/风格指南/ ...适合初学者？也许不是特别适合熊猫，但类似的语言？

Answer 1

编写多行pandas查询的一种方法是使用：

accumulation_of_sales = sales.groupby(['Time', 'Event'])\
                             .size()\
                             .unstack()\
                             .fillna(0)\
                             .cumsum()

我有时更喜欢用括号括起来。

但是，如果你经常在这里做几件事，那就有一种更简单的方法。例如，每当你看到＆＃34; groupby + unstack＆＃34;你应该考虑＆＃34; pivot_table＆＃34;：

sales.pivot_table(columns='Event', index='Time', aggfunc=len, fill_value=0).cumsum()

（这是等效的，更有效，更易读的。）

Answer 2

除了@Andy的方法。我更喜欢使用括号（）来编写多行语句

accumulation_of_sales = (sales.groupby(['Time', 'Event'])
                         .size()
                         .unstack()
                         .fillna(0)
                         .cumsum())