Pandas计算不包括焦点元素的组元素的数量
Pandas计算不包括焦点元素的组元素的数量
提问于 2021-09-19 19:10:23
我的数据框如下所示
company tool category year month
Amazon A productivity 2014 9
Amazon B productivity 2014 8
Apple A productivity 2014 6
Apple C CRM 2015 4
Apple D CRM 2015 3
Google C CRM 2015 6
Google E HR 2014 9
Google F productivity 2014 11
Google G productivity 2014 12 第一列显示工具的购买者，工具列对应于工具的名称，类别显示工具的用途，年和月是购买日期。
对于每个工具，我想创建以下数据：
tool monthlydate cumulative_sales no_companies_comp year month
A 2014/06 1 0 2014 6
A 2014/07 1 0 2014 7
A 2014/08 1 1 2014 8
A 2014/09 2 1 2014 9
A 2014/10 2 1 2014 10
A 2014/11 2 2 2014 11
A 2014/12 2 2 2014 12其中cumulative_sales对应于手头工具在给定年份月份的累计销售额，no_companies_comp对应于在给定年份月份购买竞争对手工具的公司累积数量(请注意，一家公司可能购买了多个竞争对手工具，但我们只计算第一次购买，因为我们对公司数量感兴趣)。我怎样才能做到这一点呢？
回答 1
Stack Overflow用户
发布于 2021-09-25 13:16:19
通过一个简单的groupby，我们可以获得每个工具的销售量和购买公司的数量：
>>> sales = df.groupby(['tool', 'year', 'month']).size()
>>> sales
tool year month
A 2014 6 1
9 1
B 2014 8 1
C 2015 4 1
6 1
D 2015 3 1
E 2014 9 1
F 2014 11 1
G 2014 12 1
dtype: int64
>>> companies = df.groupby(['tool', 'year', 'month'])['company'].nunique()
>>> companies
tool year month
A 2014 6 1
9 1
B 2014 8 1
C 2015 4 1
6 1
D 2015 3 1
E 2014 9 1
F 2014 11 1
G 2014 12 1
Name: company, dtype: int64然后，累积销售额就很容易了：
>>> sales.groupby('tool').cumsum()
tool year month
A 2014 6 1
9 2
B 2014 8 1
C 2015 4 1
6 2
D 2015 3 1
E 2014 9 1
F 2014 11 1
G 2014 12 1
dtype: int64请注意，缺少了几个月，因此我们应该重新编制索引：
>>> dates = [(2014 + n // 12, (n - 1) % 12 + 1) for n in range(6, 19)]
>>> idx = pd.MultiIndex.from_tuples([
... (tool, year, month) for tool in df['tool'].unique() for year, month in dates
... ], names=['tool', 'year', 'month'])
>>> cum_sales = sales.reindex(idx, fill_value=0).groupby('tool').cumsum()
>>> cum_sales.unstack('tool')
tool A B C D E F G
year month
2014 6 1 0 0 0 0 0 0
7 1 0 0 0 0 0 0
8 1 1 0 0 0 0 0
9 2 1 0 0 1 0 0
10 2 1 0 0 1 0 0
11 2 1 0 0 1 1 0
2015 1 2 1 0 0 1 1 0
2 2 1 0 0 1 1 0
3 2 1 0 1 1 1 0
4 2 1 1 1 1 1 0
5 2 1 1 1 1 1 0
6 2 1 2 1 1 1 0
12 2 1 0 0 1 1 0当然，您可以根据需要更改日期范围。
购买竞争对手工具的公司数量是购买任何工具的公司数量减去购买每个工具的公司数量。我们可以使用transform做到这一点，但与上面类似，我们需要首先重新建立索引：
>>> companies = companies.reindex(idx, fill_value=0)
>>> total_companies = companies.groupby(['year', 'month']).transform('sum')
>>> cum_compet_companies = (total_companies - companies).groupby('tool').cumsum()
>>> cum_compet_companies.unstack('tool')
tool A B C D E F G
year month
2014 6 0 1 1 1 1 1 1
7 0 1 1 1 1 1 1
8 1 1 2 2 2 2 2
9 2 3 4 4 3 4 4
10 2 3 4 4 3 4 4
11 3 4 5 5 4 4 5
2015 1 3 4 5 5 4 4 5
2 3 4 5 5 4 4 5
3 4 5 6 5 5 5 6
4 5 6 6 6 6 6 7
5 5 6 6 6 6 6 7
6 6 7 6 7 7 7 8
12 3 4 5 5 4 4 5剩下的只是简单地连接数据并添加monthlydate，可能是在玩索引：
>>> res = cum_sales.to_frame('cumulative_sales').join(
... cum_compet_companies.to_frame('no_companies_comp')
... ).reset_index()
>>> res['monthlydate'] = res['year'].combine(res['month'], lambda y, m: f'{y}/{m:02}')
>>> res.set_index(['tool', 'monthlydate']).loc['A'] # just tool A
year month cumulative_sales no_companies_comp
monthlydate
2014/06 2014 6 1 0
2014/07 2014 7 1 0
2014/08 2014 8 1 1
2014/09 2014 9 2 2
2014/10 2014 10 2 2
2014/11 2014 11 2 3
2015/12 2015 12 2 3
2015/01 2015 1 2 3
2015/02 2015 2 2 3
2015/03 2015 3 2 4
2015/04 2015 4 2 5
2015/05 2015 5 2 5
2015/06 2015 6 2 6
>>> res.set_index(['tool', 'monthlydate']) # all tools
year month cumulative_sales no_companies_comp
tool monthlydate
A 2014/06 2014 6 1 0
2014/07 2014 7 1 0
2014/08 2014 8 1 1
2014/09 2014 9 2 2
2014/10 2014 10 2 2
... ... ... ... ...
G 2015/02 2015 2 0 5
2015/03 2015 3 0 6
2015/04 2015 4 0 7
2015/05 2015 5 0 7
2015/06 2015 6 0 8
[91 rows x 4 columns]页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/69246340
复制相关文章
相似问题
腾讯云开发者
