python - 获取用户列表以及他们从数据框中购买了多少

Question

我有一个包含如下用户数据的数据框:

|--user id--|--registration_date--|--voucher campaign--|--transaction id--|--price--|--purchase date--|
|--5433126--|--   2015-05-23    --|--     tlp05      --|--68536116696879--|--18.00--|--   2015-05-23--|
|--5433126--|--   2015-05-23    --|--     tlp05      --|--68435132139899--|-- 7.00--|--   2015-05-29--|
|--9865313--|--   2015-06-01    --|--     zig15      --|--97889200016487--|--23.00--|--   2015-06-15--|
|--7879463--|--   2015-05-27    --|--     tlp10      --|--      NaN     --|-- NaN --|--      NaN    --|
...

我想创建一个额外的列，其中包含一个字符串，告诉我用户的整体购物事件:

Never 如果用户从未购买过任何东西；

Once 如果用户只买了一次东西；

Multiple 如果用户多次购买某物；

所以我想要的结果是这样的:

|--user id--|--registration_date--|--voucher campaign--|--transaction id--|--price--|--purchase date--|--activity--|
|--5433126--|--   2015-05-23    --|--     tlp05      --|--68536116696879--|--18.00--|--   2015-05-23--|--Multiple--|
|--5433126--|--   2015-05-23    --|--     tlp05      --|--68435132139899--|-- 7.00--|--   2015-05-29--|--Multiple--|
|--9865313--|--   2015-06-01    --|--     zig15      --|--97889200016487--|--23.00--|--   2015-06-15--|--    Once--|
|--7879463--|--   2015-05-27    --|--     tlp10      --|--      NaN     --|-- NaN --|--      NaN    --|--   Never--|
...

什么是最有效的方法来实现这一点，而不是简单地遍历整个数据框，按用户 ID 拆分它并检查是否有任何购买？

Answer 1

您可以使用 GroupBy.transform 计算每组 purchase date 列的非缺失值数量和 sum 到 helper Series 并通过 numpy.select 设置新值:

s = df['purchase date'].notna().groupby(df['user id']).transform('sum')
df['activity'] = np.select([s == 0, s == 1], ['Never','Once'], default='Multiple')
print (df)
   user id registration_date voucher campaign  transaction id  price  \
0  5433126        2015-05-23            tlp05    6.853612e+13   18.0   
1  5433126        2015-05-23            tlp05    6.843513e+13    7.0   
2  9865313        2015-06-01            zig15    9.788920e+13   23.0   
3  7879463        2015-05-27            tlp10             NaN    NaN   

  purchase date  activity  
0    2015-05-23  Multiple  
1    2015-05-29  Multiple  
2    2015-06-15      Once  
3           NaN     Never  

详细信息:

print (s)
0    2.0
1    2.0
2    1.0
3    0.0
Name: purchase date, dtype: float64

与Series.map 类似的想法按字典并用 Series.fillna 替换不匹配的缺失值:

df['activity'] = s.map({0:'Never', 1:'Once'}).fillna('Multiple')
print (df)
   user id registration_date voucher campaign  transaction id  price  \
0  5433126        2015-05-23            tlp05    6.853612e+13   18.0   
1  5433126        2015-05-23            tlp05    6.843513e+13    7.0   
2  9865313        2015-06-01            zig15    9.788920e+13   23.0   
3  7879463        2015-05-27            tlp10             NaN    NaN   

  purchase date  activity  
0    2015-05-23  Multiple  
1    2015-05-29  Multiple  
2    2015-06-15      Once  
3           NaN     Never