我有一个我试图分组的数据框,看起来像这样
Cust_ID Store_ID month lst_buy_dt1 purchase_amt
1 20 10 2015-10-07 100
1 20 10 2015-10-09 200
1 20 10 2015-10-20 100
我需要在不同的数据框中为每个月的每个ls_buy_dt
,cust_ID
组合提供最多Store_ID
和最高或购买金额。样品输出:
Cust_ID Stored_ID month max_lst_buy_dt tot_purchase_amt
1 20 10 2015-10-20 400
我的代码如下。
aggregations = {
'lst_buy_dt1': { # Get the max purchase date across all purchases in a month
'max_lst_buy_dt': 'max',
},
'purchase_amt': { # Sum the purchases
'tot_purchase': 'sum', # Find the max, call the result "max_date"
}
}
grouped_at_Cust=metro_sales.groupby(['cust_id','store_id','month']).agg(aggregations).reset_index()
我能够获得正确的聚合。但是,数据框在列中包含一个我无法摆脱的附加索引。无法显示,但这是
的结果list(grouped_at_Cust.columns.values)
[('cust_id', ''),
('store_id', ''),
('month', ''),
('lst_buy_dt1', 'max_lst_buy_dt'),
('purchase_amt', 'tot_purchase')]
注意最后2列中的层次结构。如何摆脱它?我只需要列max_lst_buy_dt
和tot_purchase
。
答案 0 :(得分:3)
修改:根据您的评论,您可以简单地删除列索引的第一级。例如,使用更复杂的聚合:
aggregations = {
'lst_buy_dt1': {
'max_lst_buy_dt': 'max',
'min_lst_buy_dt': 'min',
},
'purchase_amt': {
'tot_purchase': 'sum',
}
}
grouped_at_Cust = metro_sales.groupby(['cust_id', 'store_id', 'month']).agg(aggregations).reset_index()
grouped_at_Cust.columns = grouped_at_Cust.columns.droplevel(0)
输出:
tot_purchase min_lst_buy_dt max_lst_buy_dt
0 cust_id 100 2015-10-07 2015-10-07
1 month 100 2015-10-20 2015-10-20
2 store_id 200 2015-10-09 2015-10-09
原始回答
我认为你的aggregations
词典太复杂了。如果您按照documentation:
agg = {
'lst_buy_dt1': 'max',
'purchase_amt': 'sum',
}
metro_sales.groupby(['cust_id','store_id','month']).agg(agg).reset_index()
Out[19]:
index purchase_amt lst_buy_dt1
0 cust_id 100 2015-10-07
1 month 100 2015-10-20
2 store_id 200 2015-10-09
现在您只需重命名结果列:
grouped_at_Cust.rename(columns={
'lst_buy_dt1': 'max_lst_buy_dt',
'purchase_amt': 'tot_purchase'
})