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date
和ratio
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/