分组后如何平均减值？答案

【问题标题】：How to equally reduce value after grouping?分组后如何平均减值？
【发布时间】：2019-05-18 18:51:31
【问题描述】：

我有一个表，其中一些值属于索引，而另一些属于重复值。例如sid 是索引，成本归属于 sid，但一个 sid 可以包含许多事务，甚至多个事务可以包含多个类别。

df = pd.DataFrame([
    [1, 100, 1, 'A', 1, 50, 2],
    [1, 100, 2, 'A', 1, 50, 1],
    [1, 100, 2, 'B', 2, 100, 1],
    [1, 100, 2, 'C', 3, 50, 1],
    [2, 200, 3, 'D', 4, 500, 1],
    [2, 200, 4, 'C', 2, 100, 1],
    [3, 200, 5, 'B', 2, 100, 1],
    [3, 200, 5, 'A', 1, 50, 1],
    [3, 200, 5, 'A', 3, 50, 1]
], columns=['sid', 'costs', 'transaction_id', 'category', 'sku', 'price', 'quantity'])

df['revenue'] = df['price'] * df['quantity']

因此，如果查看 sid 级别，我需要获取成本的第一个值和收入的总和。这就是它应该的样子。总成本 - 500，总收入 - 1100。

df.groupby('sid').agg({'costs': 'min', 'revenue':'sum'}).pivot_table(index='sid', margins=True, aggfunc='sum')

但我想按类别分解 sid。我可以这样做。

df.groupby(['sid', 'category']).agg({'costs': 'min', 'revenue':'sum'}).pivot_table(index=['sid', 'category'], aggfunc='sum', margins=True)

我的问题是每一行的成本都是重复的。成本总和为 1100，这是不正确的。我想同样降低每个 sid 中类别数量的成本。所以它看起来像

是否可以应用这种滚动功能？

【问题讨论】：

我对你的问题有点困惑。您如何获得 sid 1 和 A 类 33.34 的成本？
@amanbirs 这是我想要实现的示例。是的，我知道这在成本方面可能没有意义，因为这不是在某些类别上花费的价值，但现在我有兴趣通过 pandas 实现这样的结果。如何解释是另一个问题

标签： python pandas pivot-table pandas-groupby

【解决方案1】：

我认为您需要将sid 的数量除以transform 和size 创建的每个组：

df = df.groupby(['sid', 'category']).agg({'costs': 'min', 'revenue':'sum'})
df['costs'] = df['costs'].div(df.groupby('sid')['costs'].transform('size'))
df = df.pivot_table(index=['sid', 'category'], aggfunc='sum', margins=True)
print (df)
                   costs  revenue
sid category                     
1   A          33.333333      150
    B          33.333333      100
    C          33.333333       50
2   C         100.000000      100
    D         100.000000      500
3   A         100.000000      100
    B         100.000000      100
All           500.000000     1100

【讨论】：

【解决方案2】：

你可以这样做：

g = df.groupby(['sid', 'category']).agg({'revenue':'sum', 'costs': 'min'})
div = df.groupby(['sid'])['category'].nunique()
g['costs'] = g['costs']/div

                revenue     costs
sid category                     
1   A             150   33.333333
    B             100   33.333333
    C              50   33.333333
2   C             100  100.000000
    D             500  100.000000
3   A             100  100.000000
    B             100  100.000000

对于最后一行，包括两列的sum，只需在末尾再次添加：

g.pivot_table(index=['sid', 'category'], aggfunc='sum', margins=True)

【讨论】：