python - python 中高效的 group by 和 where 子句

Question

我有每周(比如 5 周) 销售和购物篮的产品和商店组合，我想找到产品的总支出和访问量(不论商店)对于特定的周(比如 201520)”，即 2015 年的第 20 周。当我选择一周时，可能会有一些产品在那一周没有售出.但我不想将它们从我的组中删除。基本上我希望所有产品在 5 周内售出，但如果产品在我上面选择的那一周内没有售出，我希望它出现在我的最终 dataFrame 中，汇总数字为 0。示例数据。(让假设产品 122 在 201520 周未售出)

prod store week    baskets sales
123  112   201518  20      100.45
123  112   201519  21      89.65
123  112   201520  22      1890.54
122  112   201518  10      909.99

样本输出(201520)

prod total_baskets   total_sales  spend_per_basket
123  22              1890.54      85.93363636
122  0               0            0

我知道这可以使用 groupby 和 pandas 来完成。但我正在做多个步骤。我正在寻找一种更 pythonic 和有效的方式。目前
我首先选择要进行 groupby 的那一周。
然后创建我的初始每周数据集中存在的所有产品的列表。
然后按数据重新回到组中。我发现这效率不高。请帮忙。还需要创建每个购物篮的支出。如果 total_baskets > 0，则 spend_per_basket 为 total_sales/total_baskets。否则 0 TIA。 虚拟代码:

trans_for_my_week=weekly_trans[weekly_trans['week']==201520]    
avg_sales=pd.DataFrame(trans_for_my_week.groupby(['prod']).agg({'baskets':      {'total_baskets':'sum'},
                                                 'sales' :{'total_sales':'sum'}}))
avg_sales_period_0.columns=avg_sales_period_0.columns.droplevel(0)
avg_sales_period_0=avg_sales_period_0.reset_index()

等等

关于使用下面提供的解决方案:在编写以下代码时，出现一些错误:

x=round(res.sales / res.baskets,4)
x.columns = pd.MultiIndex.from_product(['spend_per_basket', res.columns.get_level_values(1).drop_duplicates()])

打印(x)

---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-38-fbb15ec86cc6> in <module>()
      7 
      8 x=round(res.sales / res.baskets,4)
----> 9 x.columns = pd.MultiIndex.from_product(['spend_per_basket', res.columns.get_level_values(1).drop_duplicates()])
     10 print(x)

/usr/lib64/python3.4/site-packages/pandas/indexes/multi.py in from_product(cls, iterables, sortorder, names)
   1022         from pandas.tools.util import cartesian_product
   1023 
-> 1024         labels, levels = _factorize_from_iterables(iterables)
   1025         labels = cartesian_product(labels)
   1026 

/usr/lib64/python3.4/site-packages/pandas/core/categorical.py in _factorize_from_iterables(iterables)
   2066         # For consistency, it should return a list of 2 lists.
   2067         return [[], []]
-> 2068     return map(list, lzip(*[_factorize_from_iterable(it) for it in iterables]))

/usr/lib64/python3.4/site-packages/pandas/core/categorical.py in <listcomp>(.0)
   2066         # For consistency, it should return a list of 2 lists.
   2067         return [[], []]
-> 2068     return map(list, lzip(*[_factorize_from_iterable(it) for it in iterables]))

/usr/lib64/python3.4/site-packages/pandas/core/categorical.py in _factorize_from_iterable(values)
   2028 
   2029     if not is_list_like(values):
-> 2030         raise TypeError("Input must be list-like")
   2031 
   2032     if is_categorical(values):

TypeError: Input must be list-like

Answer 1

您还可以使用 pivot_table 获得您需要的东西，虽然方法有点不同，但您正在寻找单行代码:

print(pd.pivot_table(df, index = 'week', columns = 'prod', values = 'sales', aggfunc = 'sum').fillna(0))

输出:

prod       122      123
week                   
201518  909.99   100.45
201519    0.00    89.65
201520    0.00  1890.54