你喜欢只有超人可以解决的谜题吗?这是证明这种能力的最终测试。
单个公司可能会在不同时间从多家银行获得不同级别的资金(种子,a)。
让我们看看数据,然后看故事以获得更好的画面。
import pandas as pd
data = {'id':[1,2,2,3,4],'company':['alpha','beta','beta','alpha','alpha'],'bank':['z', 'x', 'y', 'z', 'j'],
'rd': ['seed', 'seed', 'seed', 'a', 'a'], 'funding': [100, 200, 200, 300, 50],
'date': ['2006-12-01', '2004-09-01', '2004-09-01', '2007-05-01', '2007-09-01']}
df = pd.DataFrame(data, columns = ['id','company', 'round', 'bank', 'funding', 'date'])
df
id company rd bank funding date
0 1 alpha seed z 100 2006-12-01
1 2 beta seed x 200 2004-09-01
2 2 beta seed y 200 2004-09-01
3 3 alpha a z 300 2007-05-01
4 4 alpha a j 50 2007-09-01
company bank_seed funding_seed date_seed bank_a funding_a date_a
0 alpha z 100 2006-12-01 [z,j] 350 2007-09-01
1 beta [x,y] 200 2004-09-01 None None None
正如你所看到的,我不是一个超人,但会尝试解释我的思维过程。
2006年底,公司阿尔法首次从银行z获得100美元的种子资金。几个月后,他们的投资者对他们的进展非常满意,因此银行给了他们钱(300美元以上!)。然而,公司阿尔法需要更多的现金,但不得不去一些随机的瑞士银行j来保持活力。银行j不情愿地再给了50美元。好极了!他们现在已经从他们更新的' a'圆形结束于2007年9月。
公司测试版非常新。他们从两家不同的银行获得了总计200美元的资金。但是等等......这里没有什么关于他们的回合' a'。没关系,我们现在就把“无”,稍后再与他们联系。
问题是公司的阿尔法很糟糕并且从瑞士那里得到了钱...... 这是我的非工作代码,它处理了我的一部分数据 - 它在这里不起作用。
import itertools
unique_company = df.company.unique()
df_indexed = df.set_index(['company', 'rd'])
index = pd.MultiIndex.from_tuples(list(itertools.product(unique_company, list(df.rd.unique()))))
reindexed = df_indexed.reindex(index, fill_value=0)
reindexed = reindexed.unstack().applymap(lambda cell: 0 if '1970-01-01' in str(cell) else cell)
working_df = pd.DataFrame(reindexed.iloc[:,
reindexed.columns.get_level_values(0).isin(['company', 'funding'])].to_records())
如果您知道如何解决部分此问题,请继续将其置于下方。提前谢谢你花时间看看这个! :)
最后,如果您想了解我的代码 的工作方式。然后,这样做,但你失去了这么多有价值的信息......
df = df.drop_duplicates(subset='id')
df = df.drop_duplicates(subset='rd')
答案 0 :(得分:4)
采取预处理步骤,将资金分布在具有相同'id'
和'date'
df.funding /= df.groupby(['id', 'date']).funding.transform('count')
然后处理
d1 = df.groupby(['company', 'round']).agg(
dict(bank=lambda x: tuple(x), funding='sum', date='last')
).unstack().sort_index(1, 1)
d1.columns = d1.columns.to_series().map('{0[0]}_{0[1]}'.format)
d1
bank funding date bank funding date
round a a a seed seed seed
company
alpha (z, j) 350.0 2007-09-01 (z,) 100.0 2006-12-01
beta None NaN NaT (x, y) 200.0 2004-09-01
答案 1 :(得分:3)
Groupby,aggregate和unstack会让你接近你想要的东西
df.groupby(['company', 'round']).agg({'bank': lambda x: ','.join(x), 'funding': 'sum', 'date': 'max'}).unstack().reset_index()
df.columns = ['_'.join(col).strip() for col in df.columns.values]
你得到了
company_ bank_a bank_seed funding_a funding_seed date_a date_seed
0 alpha z,j z 350.0 100.0 2007-09-01 2006-12-01
1 beta None x,y NaN 400.0 None 2004-09-01