python - Pandas 在尝试删除重复项时仅删除某些列值

Question

我的问题有点类似于this one ，但不完全是。我有一个具有以下结构的 CSV

| id | entrydate  | sales | purchases |
| -- | -----------| ----- | --------- |
| 1  | 05/03/2017 | 10    | 1         |
| 2  | 05/03/2017 | 20    | 2         |
| 3  | 05/03/2017 | 30    | 3         |
| 1  | 05/03/2017 | 40    | 1         |

我正在将其读入数据框，并且我希望获得销售和购买的每日汇总(个人 ID 并不重要，只需每日汇总)。

但是，首先我需要删除重复项。这让我很困惑，因为如果您采用上面的示例，对于 id 1，同一天有两个条目，但 purchases 列中的多个条目是被视为重复，而 sales 列中的多个条目都是有效的，因此正确的分组将导致

| id | entrydate  | sales | purchases |
| -- | -----------| ----- | --------- |
| 1  | 05/03/2017 | 50    | 1         |
| 2  | 05/03/2017 | 20    | 2         |
| 3  | 05/03/2017 | 30    | 3         |

然后获取每日总计会给我

|entrydate   | sales | purchases |
| -----------| ----- | --------- |
| 05/03/2017 | 100   | 6         |

我试图使用删除购买重复项

df = pandas.read_csv('../my-csv.csv', parse_dates=True, dayfirst=True, usecols=my_columns, dtype=my_dtypes).rename(columns=str.lower).assign(date=lambda x: pd.to_datetime(x['entrydate'], format="%d/%m/%Y")).set_index('date')

df = df.drop_duplicates(['id', 'entrydate', 'purchases'])
df.drop(['id'], axis=1, inplace=True)
df = df.groupby(pd.TimeGrouper(freq='D')).sum()

但这虽然会删除重复的购买，但也会删除有效的销售

<小时/>

A-Za-z 解决方案的图片

Answer 1

您可以使用 groupby 两次，首先是汇总销售额

df.sales = df.groupby('id').sales.transform('sum')
df = df.drop_duplicates()
df.groupby(df.entrydate).sum().reset_index()


    entrydate   sales   purchases
0   2017-05-03  100     6

编辑:计算不同日期的总和

df.sales = df.groupby(['id', 'date']).sales.transform('sum')
df = df.drop_duplicates()
df.groupby('date')['sales', 'purchases'].sum().reset_index()

你得到了

    date        sales   purchases
0   2017-03-05  100     6
1   2017-03-06  40      1