Question

让我们假设您正在全球范围内销售产品，并且想要在主要城市的某个地方建立销售办事处。您的决定将完全基于销售数字。

这将是您的（简化的）销售数据：

df={
'Product':'Chair',
'Country': ['USA','USA', 'China','China','China','China','India', 
'India','India','India','India','India', 'India'],
'Region': ['USA_West','USA_East', 'China_West','China_East','China_South','China_South', 'India_North','India_North', 'India_North','India_West','India_West','India_East','India_South'],
'City': ['A','B', 'C','D','E', 'F', 'G','H','I', 'J','K', 'L', 'M'],
'Sales':[1000,1000, 1200,200,200, 200,500 ,350,350,100,700,50,50]  
}

dff=pd.DataFrame.from_dict(df)

dff

根据数据，您应前往城市“ G”。

逻辑应该像这样：

1）使用最高（销售）查找国家/地区

2）在该国家/地区中，找到Max（sales）

3）在该地区，找到具有最高（销售额）的城市

我尝试过：groupby('Product', 'City').apply(lambda x: x.nlargest(1))，但这是行不通的，因为它将建议使用城市“ C”。这是全球销量最高的城市，但中国不是销量最高的国家。

我可能必须经历几个groupby循环。根据结果，过滤原始数据帧并在下一级再次进行分组。

要增加复杂性，您还出售其他产品（不仅是“椅子”，还出售其他家具）。您必须将每次迭代的结果（例如，每个产品具有最高销售量的国家/地区）存储在某个位置，然后在groupby的下一次迭代中使用它。

您有什么想法，如何在pandas / python中实现呢？

Answer 1

想法是每个级别的汇总sum，其中top1值是Series.idxmax，用于boolean indexing的下一级过滤：

max_country = dff.groupby('Country')['Sales'].sum().idxmax()
max_region = dff[dff['Country'] == max_country].groupby('Region')['Sales'].sum().idxmax()
max_city = dff[dff['Region'] == max_region].groupby('City')['Sales'].sum().idxmax()
print (max_city)
G

Answer 2

一种方法是添加分组总计，然后对数据框进行排序。通过使用偏好逻辑对所有数据进行排序，这超出了您的要求：

df = pd.DataFrame.from_dict(df)

factors = ['Country', 'Region', 'City']
for factor in factors:
    df[f'{factor}_Total'] = df.groupby(factor)['Sales'].transform('sum')

res = df.sort_values([f'{x}_Total' for x in factors], ascending=False)

print(res.head(5))

   City Country Product       Region  Sales  Country_Total  Region_Total  \
6     G   India   Chair  India_North    500           2100          1200   
7     H   India   Chair  India_North    350           2100          1200   
8     I   India   Chair  India_North    350           2100          1200   
10    K   India   Chair   India_West    700           2100           800   
9     J   India   Chair   India_West    100           2100           800   

    City_Total  
6          500  
7          350  
8          350  
10         700  
9          100

因此，对于最需要的用户，可以使用res.iloc[0]，对于第二个res.iloc[1]，依此类推。

如何根据其他/以前的groupby结果运行groupby？

2 个答案: