Question

我有一个包含四列的csv文件：日期，批发商，产品和销售。我正在寻找每个日期的每个产品和批发商组合的先前销售平均值。这意味着在'C'时批发商'B'的产品'A'的平均先前销售额是多少。

例如，我们知道1月，4月，5月，8月批发商'B'的产品'A'的销售额分别为100,200,300,400。假设我们在1月之前没有任何记录。因此4月批发商'B'中产品'A'的平均售价等于100/1，而5月等于（200 + 100）/ 2八月是（300 + 200 + 100）/ 3。

下表显示了我的数据：

date    wholesaler product  sales
12/31/2012  53929  UPE54     4
12/31/2012  13131  UPE55     1
2/23/2013   13131  UPE55  1156
4/24/2013   13131  UPE55     1
12/1/2013   83389  UPE54     9
12/17/2013  83389  UPE54     1
12/18/2013  52237  UPE54     9
12/19/2013  53929  UME24     1
12/31/2013  82204  UPE55     9
12/31/2013  11209  UME24     4
12/31/2013  52237  UPE54     1

现在我正在使用此代码：

df = pd.read_csv('Sample.csv',index_col='date')
df2 = df.groupby(['wholesaler','product'])['sales'].mean()

这给出了每个批发商产品的平均销售额，而我正在寻找每个日期以前销售额的平均值。

wholesaler product   avg sales
    11209  UME24      4.00
    13131  UPE55    713.00
    22423  UME24      1.00
    24302  U4E16    121.00

感谢您的帮助！

Answer 1

这对我来说非常棘手但无论如何都有效。期待别人更优雅的解决方案。

import pandas as pd
import datetime

dateparse = lambda x: pd.datetime.strptime(x, '%m/%d/%Y')
df = pd.read_csv('Sample.csv',index_col='date', parse_dates=[0], date_parser=dateparse)

expd_gb = df.reset_index().groupby(['wholesaler', 'product'])['sales'].apply(pd.Series.expanding)
idx = df.reset_index().groupby(['wholesaler', 'product', 'date'])['sales'].count().index

cnct = pd.concat([expd_gb.iloc[n].mean().shift(1) for n in range(len(expd_gb))])
cnct.index = idx

cnct.to_csv('TotalAvg.csv')

结果，

wholesaler  product  date      
11209       UME24    2013-12-31     NaN
13131       UPE55    2012-12-31     NaN
                     2013-02-23     1.0
                     2013-04-24     578.5
52237       UPE54    2013-12-18     NaN
                     2013-12-31     9.0
53929       UME24    2013-12-19     NaN
            UPE54    2012-12-31     NaN
82204       UPE55    2012-12-31     NaN
83389       UPE54    2013-12-01     NaN
                     2013-12-17     9.0

Answer 2

解决方案

true

如何在python中找到每次以前的销售平均值

2 个答案:

解决方案