如何在熊猫中获得不同的键数以及其他聚合

Question

我的数据框（DF）看起来像这样

Customer_number Store_number   year   month   last_buying_date1  amount     
     1             20          2014    10      2015-10-07        100
     1             20          2014    10      2015-10-09        200
     2             20          2014    10      2015-10-20        100
     2             10          2014    10      2015-10-13        500

我想得到这样的输出

 year   month  sum_purchase count_purchases distinct customers 
 2014    10       900          4                  3

如何使用 Agg 和 group by 获得这样的输出。我目前正在使用一个 2 步组，但很难获得不同的客户。这是我的方法

#### Step 1 - Aggregating everything at customer_number, store_number level
aggregations = {
    'amount': 'sum',       
    'last_buying_date1': 'count',
    }
grouped_at_Cust = DF.groupby(['customer_number','store_number','month','year']).agg(aggregations).reset_index()
grouped_at_Cust.columns =   ['customer_number','store_number','month','year','total_purchase','num_purchase']


#### Step2 - Aggregating at year month level 


aggregations = {
    'total_purchase': 'sum',       
    'num_purchase': 'sum',
     size
    }

Monthly_customers =       grouped_at_Cust.groupby(['year','month']).agg(aggregations).reset_index()
Monthly_customers.colums = ['year','month','sum_purchase','count_purchase','distinct_customers']

我的斗争是在第二步。如何在第二个聚合步骤中包含大小？

Answer 1

您可以使用 groupby.agg 并提供函数 nunique 来返回组中唯一客户 ID 的数量。

df_grp = df.groupby(['year', 'month'], as_index=False)                                 \
           .agg({'purchase_amt':['sum','count'], 'Customer_number':['nunique']})

df_grp.columns = map('_'.join, df_grp.columns.values)

df_grp

---

以防万一，您在执行groupby 操作时尝试对它们进行不同的分组（省略某些列）：

df_grp_1 = df.groupby(['year', 'month']).agg({'purchase_amt':['sum','count']})       

df_grp_2 = df.groupby(['Store_number', 'month', 'year'])['Customer_number'].agg('nunique')

获取包含执行agg 操作的多索引列的第一级：

df_grp_1.columns = df_grp_1.columns.get_level_values(1)

将它们合并回用于分组的列的交集处：

df_grp = df_grp_1.reset_index().merge(df_grp_2.reset_index().drop(['Store_number'], 
                                      axis=1), on=['year', 'month'], how='outer')

将列重命名为新列：

d = {'sum': 'sum_purchase', 'count': 'count_purchase', 'nunique': 'distinct_customers'}  

df_grp.columns = [d.get(x, x) for x in df_grp.columns]
df_grp