Question

我有一个以下形式的DataFrame：

>>> sales = pd.DataFrame({'seller_id':list('AAAABBBB'),'buyer_id':list('CCDECDEF'),\
                          'amount':np.random.randint(10,20,size=(8,))})
>>> sales = sales[['seller_id','buyer_id','amount']]
>>> sales
  seller_id buyer_id  amount
0         A        C      18
1         A        C      15
2         A        D      11
3         A        E      12
4         B        C      16
5         B        D      18
6         B        E      16
7         B        F      19

现在我想做的是每个卖家计算其最大买家占用的总销售额的份额。我有代码执行此操作，但我必须继续重置索引并再次分组，这是浪费。一定有更好的方法。我想要一个解决方案，我可以一次聚合一列，并保持其他列分组。这是我目前的代码：

>>> gr2 = sales.groupby(['buyer_id','seller_id'])
>>> seller_buyer_level = gr2['amount'].sum() # sum over different purchases
>>> seller_buyer_level_reset = seller_buyer_level.reset_index('buyer_id')
>>> gr3 = seller_buyer_level_reset.groupby(seller_buyer_level_reset.index)
>>> result = gr3['amount'].max() / gr3['amount'].sum()

>>> result
seller_id
A    0.589286
B    0.275362

我简化了一下。实际上我也有一个时间段列，因此我想在卖家和时间段级别执行此操作，这就是为什么在gr3中我按多索引进行分组（在此示例中，它显示为单个索引）。我认为会有一个解决方案，而不是减少和重新组合，我只能聚合一个索引，而其他索引分组，但无法在文档或在线中找到它。有什么想法吗？

Answer 1

这里是一个单行，但它也会重置索引一次：

sales.groupby(['seller_id','buyer_id']).sum().\
    reset_index(level=1).groupby(level=0).\
    apply(lambda x: x.amount.max()/x.amount.sum())
#seller_id
#A    0.509091
#B    0.316667
#dtype: float64

Answer 2

我会使用pivot_table然后广播（请参阅What does the term "broadcasting" mean in Pandas documentation?）。

首先，使用索引中的seller_id和列中的buyer_id来转移数据：

sales_pivot = sales.pivot_table(index='seller_id', columns='buyer_id', values='amount', aggfunc='sum')

然后，将每行中的值除以所述行的总和：

result = sales_pivot.div(sales_pivot.sum(axis=1), axis=0)

最后，您可以致电result.max(axis=1)查看每个卖家的最高分享。

pandas GroupBy只聚合一列

2 个答案: