Question

我从包含30万行的数据集中得到以下数据框：

    CustomerID  Revenue
0   17850.0     15.30
1   17850.0     11.10
2   13047.0     17.85
3   13047.0     17.85
4   17850.0     20.34
5   13047.0     12.60
6   13047.0     12.60
7   13047.0     31.80
8   17850.0     20.34
9   17850.0     15.30
10  13047.0     9.90
11  13047.0     30.00
12  13047.0     31.80
13  12583.0     40.80
14  12583.0     39.60
15  13047.0     14.85
16  13047.0     14.85
17  12583.0     15.60
18  12583.0     45.00
19  12583.0     70.80

CustomerID值分批重复。例如，前两行中包含的17850的CustomerID值可能稍后在datset中的某个点再次出现。我试图通过相同的客户ID对行的子集进行分组，并总结该组的收入。我想要做的数据帧转换应如下所示：

   CustomerID   TotalRevenue
0   17850.0      26.40
1   13047.0      35.70
2   17850.0      20.34
3   13047.0      57.0
4   17850.0      35.64
5   13047.0      71.7
6   12583.0      80.4
7   13047.0      29.7
8   12583.0     131.4

问题是如果我使用groupby方法，它会将具有相同CustomerID值的所有行分组。因此，它将整个数据框中的所有17850 CustomerID值组合在一起，而不仅仅是前两行的一堆，然后是后续的其他CustomerID值。

非常感谢使用Pandas如何做到这一点。谢谢

Answer 1

df.groupby(['CustomerID',df.CustomerID.diff().ne(0).cumsum()],sort=False)['Revenue'].sum().rename_axis(['CustomerID','GID']).reset_index().drop('GID',axis=1)

输出：

   CustomerID  Revenue
0     17850.0    26.40
1     13047.0    35.70
2     17850.0    20.34
3     13047.0    57.00
4     17850.0    35.64
5     13047.0    71.70
6     12583.0    80.40
7     13047.0    29.70
8     12583.0   131.40

Answer 2

import pandas as pd

# df <- I am assuming that df contais you data

result = df.groupby('CustomerID').sum().rename(columns={'Revenue': 'TotalRevenue'})

Answer 3

知道这已经很晚了，我还没有在您的示例中对此进行测试，但是我认为公认答案的可读性很低。这不仅清晰易懂，而且还提供了以下能力：（1）持久化DataFrame类，（2）应用平均值，计数，求和，以及（3）在多个列上启用groupby。

df.groupby(['att1', 'att2']).agg({'att1': "count", 'att3': "sum",'att4': 'mean'})

使用您的值...

df.groupby(['User ID']).agg({'Revenue': "sum"})

使用Pandas在Python中对数据帧的行子集进行分组

3 个答案: