我有一个像下面的熊猫数据框

buyer_id  item_id  order_id    date        qty_purchased  qty_bought
     210      82      470  2016-01-02              5           1
     169      57      475  2016-01-02              5           1
     169      83      475  2016-01-02              5           1
     228      82      520  2016-01-03              4           1
     228      86      520  2016-01-03              4           1
     228      90      520  2016-01-03              4           1
     229      57      521  2016-01-03              4           1
     232      82      525  2016-01-04              4           3
     210      90      526  2016-01-04              4           1
     210      91      526  2016-01-04              5           1
     210      15      526  2016-01-05              5           1
     233      90      527  2016-01-05              4           1


我想查找每个日期引入的item_id,如果item_id在多个日期引入,那么我想查找每个日期的`(qty_bought / qty_purchased)比率。

我想要的输出如下

Item_id date 1st Introduced  Ratio Date 2nd Introduced Ratio Date 3rd Introduced Ratio Flag

 82        2016-01-02        1/5       2016-01-03       1/4      2016-01-04       3/4    1


标记的条件是比率大于先前的日期,则应将其设置为1或0

如果我在5个不同的日期介绍了项目,则应动态生成5个日期和比率列。比率将特定于该日期。我只想列出已引入多次的item_id

这是我在python中的尝试

df.groupby('item_id')['date'].apply(lambda x: np.unique(x.tolist()))


这给出了item_id的列表以及它们的引入日期。现在,如果项目已在1个以上的日期推出,我想将其作为子集。

df.groupby('item_id').apply(lambda r: r['date'].unique().shape[0] > 1)


这为我提供了超过1个日期引入的所有item_id。但是我没有得到如何根据所需的输出来制作具有所需输出的数据框以及如何动态添加date & ratio列的方法,这取决于它们引入的日期。请帮忙

最佳答案

该问题的第一部分是选择具有item_id且具有多个日期的那些行,并仅使用这些项目创建一个新的日期框架。

#subset the items which have more than one date
items_1 = df.groupby('item_id').filter(lambda x: len(np.unique(x['date']))>1).item_id
#create a new dataframe with just those items that have more than one date
new_df = df[df['item_id'].isin(items_1)].copy()
#create the ratio columns
new_df['ratio'] = new_df['qty_bought']/new_df['qty_purchased']
#delete the columns that are not required
new_df.drop(['order_id', 'buyer_id','qty_purchased', 'qty_bought'], axis = 1, inplace= True)

 item_id    date    ratio
0   82  2016-01-02  0.20
1   57  2016-01-02  0.20
3   82  2016-01-03  0.25
5   90  2016-01-03  0.25
6   57  2016-01-03  0.25
7   82  2016-01-04  0.75
8   90  2016-01-04  0.25
11  90  2016-01-05  0.25


问题的第二部分是每个唯一的item_id仅具有一行,而对应的日期和比率则具有多列。我们使用groupby捕获每个item_id的条目,然后使用iterate通过其dateratio值,同时将它们添加到日期框架中新创建的列中。

#group by items and grab each date after the first and insert in a new column
for name, group in new_df.groupby('item_id'):
    for i in range(1, len(group)):
        new_df.loc[group.index[0], 'date'+str(i+1)] = group.date.iloc[i]
        new_df.loc[group.index[0], 'ratio'+str(i+1)] = group.ratio.iloc[i]
#delete the original date column since that information was replicated
new_df.drop(['date', 'ratio'], axis =1, inplace=True)
#keep only one row for each `item_id`
new_df.dropna(subset = ['date0'])


   item_id  date     ratio   date2     ratio2   date3     ratio3
0   82  2016-01-02  0.20    2016-01-03  0.25    2016-01-04  0.75
1   57  2016-01-02  0.20    2016-01-03  0.25    NaN         NaN
5   90  2016-01-03  0.25    2016-01-04  0.25    2016-01-05  0.25

关于python - groupby并将键的所有值放在一行中,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/35531822/

10-13 00:28