熊猫每月数据的百分比值答案

【问题标题】：percentage value for monthly data with pandas熊猫每月数据的百分比值
【发布时间】：2021-08-17 13:24:47
【问题描述】：

我有一个示例数据：

date        Product  Sales
2020-01-01.  Dell.    4
2020-01-01.  Apple.   6
2020-01-01.  Lenovo.  5
2020-01-02.  Dell.    2
2020-01-02.  Apple.   4
2020-01-02.  Lenovo.  3

我想创建另一个名为“月销售额百分比”的列，它是通过（产品的月销售额/当月所有产品的总销售额）* 100 获得的。

输出应如下所示：

date        Product  Sales. Percentage_monthly_sale
2020-01-01.  Dell.    4.      26.6 (4/15 *100)
2020-01-01.  Apple.   6.      40.0. (6/15*100)
2020-01-01.  Lenovo.  5.      33.3.  (5/15 *100)
2020-01-02.  Dell.    2.      22.2 (2/9 *100)
2020-01-02.  Apple.   4.      44.4 (4/9 *100)
2020-01-02.  Lenovo.  3.      33.3 (3/9 *100)

【问题讨论】：

您的解释和输出似乎差异很大，您能澄清一下您的问题吗？预期产出是每日销售额的百分比。但是您的话表明您希望每个产品的总和超过当月的总和。

标签： python pandas dataframe numpy data-science

【解决方案1】：

使用groupby transform 和pd.Grouper 得到总数，然后将系列相除并相乘：

（显示所需的输出）

df['date'] = pd.to_datetime(df['date'])

daily_sums = df.groupby(
    pd.Grouper(key='date', freq='1D')
)['Sales'].transform('sum')

df['Percentage_daily_sale'] = df['Sales'] / daily_sums * 100

        date  Product  Sales  Percentage_daily_sale
0 2020-01-01    Dell.      4              26.666667
1 2020-01-01   Apple.      6              40.000000
2 2020-01-01  Lenovo.      5              33.333333
3 2020-01-02    Dell.      2              22.222222
4 2020-01-02   Apple.      4              44.444444
5 2020-01-02  Lenovo.      3              33.333333

要获得每个产品的月销售额百分比：

（解释的期望行为）

df['date'] = pd.to_datetime(df['date'])

monthly_product_total = df.groupby(
    [pd.Grouper(key='date', freq='1M'), 'Product']
)['Sales'].transform('sum')

monthly_total = df.groupby(
    pd.Grouper(key='date', freq='1M')
)['Sales'].transform('sum')

df['Percentage_Monthly_sale'] = monthly_product_total / monthly_total * 100

        date  Product  Sales  Percentage_Monthly_sale
0 2020-01-01    Dell.      4                25.000000
1 2020-01-01   Apple.      6                41.666667
2 2020-01-01  Lenovo.      5                33.333333
3 2020-01-02    Dell.      2                25.000000
4 2020-01-02   Apple.      4                41.666667
5 2020-01-02  Lenovo.      3                33.333333

【讨论】：

【解决方案2】：

您可以将groupby transform 与lambda function 一起使用：

df['Percentage_daily_sale'] = df.groupby(
    ['date'])['Sales'].transform(lambda x: (x/x.sum()) * 100)

输出：

          date  Product  Sales  Percentage_daily_sale
0  2020-01-01.    Dell.      4                  26.67
1  2020-01-01.   Apple.      6                  40.00
2  2020-01-01.  Lenovo.      5                  33.33
3  2020-01-02.    Dell.      2                  22.22
4  2020-01-02.   Apple.      4                  44.44
5  2020-01-02.  Lenovo.      3                  33.33

【讨论】：