Question

我想将销售数量除以销售机会数量，以便按机会获得平均销售额。

以下是具有混合类型的示例数据框：

df = pd.DataFrame({'Opportunity':['AB122','AB122','AB123', 'AB124'],
           'Quantity': [2, 3, 4, 1],
           'Member': ["AACC", "AACC", "AACC", 'DDEE']})


print (df)
  Opportunity  Quantity Member
0       AB122         2   AACC
1       AB122         3   AACC
2       AB123         4   AACC
3       AB124         1   DDEE

我能够得到这个销售额的总和

df.pivot_table('Quantity', 'Member', aggfunc=np.sum)

但是，如果我对商机做同样的事情，我只会把商机名称粘合在一起。此外，重复机会仍然包括在内。

df.pivot_table('Opportunity','Member', aggfunc=np.sum)

我需要的是，机会是计算在内的，但是只有独特的机会（AACC应该只有2个机会）。计数结果应为：

print (df2)
AACC 2
DDEE 1

因此，我可以通过将销售数量除以机会数量来获得平均会员销售量：

print (df3)
AACC 4.5 
DDEE 1

关于计算的注意事项。 AACC获得2，因为9除以2为4.5，DDEE获得1为1除以1为1。

Answer 1

您可以在此处使用groupby.apply来获得平均销售，因此我们不必两次进行分组方式：

df.groupby('Member').apply(lambda x: x['Quantity'].sum() / x['Opportunity'].nunique())

Member
AACC    4.5
DDEE    1.0
dtype: float64

要获取列名，请使用reset_index：

df.groupby('Member').apply(lambda x: x['Quantity'].sum() / x['Opportunity'].nunique())\
    .reset_index(name='avg sale')

  Member  avg sale
0   AACC       4.5
1   DDEE       1.0

Answer 2

df.groupby('Member').apply(lambda x: x.Quantity.sum())

这将按成员列对df进行分组，然后将每个组的数量求和，例如：

  Member Opportunity  Quantity
0   AACC       AB122         1
1   AACC       AB122         3
2   DDDD       AB123         4
3   AACC       AB124         1

将产生：会员 AACC 5 DDDD 4 dtype：int64

计算数据框中唯一出现的次数

2 个答案: