python - 如何在Python中对两列进行透视和排序？

Question

我有一个包含客户、商品类别及其价格的超大型数据框。我想做一些初步调查:

• 根据总支出确定排名前列的客户，例如 n=5 名客户。
• 针对每个客户，确定他们消费最多的类别。
• 然后可以按降序绘制一个图，显示顶级客户他们的名字为X，他们的消费为Y。对于每个人，如何显示他们的购物类别？

这需要旋转和排序。这是一个样本数据生成器，感谢 here .

import numpy as np
import pandas as pd
from numpy.core.defchararray import add

np.random.seed(42)
n = 20

cols = np.array(['cust', 'cat'])
arr1 = (np.random.randint(5, size=(n, 2)) // [2, 1]).astype(str)
df = pd.DataFrame(
    add(cols, arr1), columns=cols
).join(
    pd.DataFrame(np.random.rand(n, 1).round(2)).add_prefix('val')
)
print(df)

df.pivot_table(index=['cust'],values=['val0'],aggfunc=[np.sum])

df.pivot_table(index=['cust','cat'],values=['val0'],aggfunc=[np.size,np.sum])

# the order according the previous line should be cust1,cust0,cust2. How to do? The following is the desired output in this case.

                size sum
                val0 val0
cust    cat
cust1   cat4    6.0  4.27
        cat3    2.0  1.07
        cat2    2.0  0.98
        cat0    2.0  0.44
        cat1    2.0  0.43

cust0   cat1    1.0  0.94
        cat4    1.0  0.91
        cat2    1.0  0.66
        cat3    1.0  0.03

cust2   cat1    2.0  1.25

非常感谢!

Answer 1

这是更好的聚合sum避免MultiIndex在列中。

第一个聚合sum :

s = df.groupby('cust')['val0'].sum()
print (s)
cust
cust0    2.54
cust1    7.19
cust2    1.25
Name: val0, dtype: float64

然后通过 Series.nlargest 获取最高值:

top5 = s.nlargest(5)
print (top5)
cust
cust1    7.19
cust0    2.54
cust2    1.25
Name: val0, dtype: float64

如有必要，仅按 boolean indexing 过滤前 5 个值和 isin :

df1 = df[df['cust'].isin(top5.index)].copy()
#print(df1)

正确订购cust创建有序分类并按两个过滤列进行聚合，最后按第一级排序 cust带柱size :

df1['cust'] = pd.Categorical(df1['cust'], ordered=True, categories=top5.index)
df2 = (df1.groupby(['cust','cat'])['val0'].agg([np.size,np.sum])
         .sort_values(['cust','size'], ascending=[True, False])
         .reset_index())
print (df2)
    cust   cat  size   sum
0  cust1  cat4   6.0  4.27
1  cust1  cat0   2.0  0.44
2  cust1  cat1   2.0  0.43
3  cust1  cat2   2.0  0.98
4  cust1  cat3   2.0  1.07
5  cust0  cat1   1.0  0.94
6  cust0  cat2   1.0  0.66
7  cust0  cat3   1.0  0.03
8  cust0  cat4   1.0  0.91
9  cust2  cat1   2.0  1.25

最后一个枢轴和绘图 DataFrame.plot.bar :

df2.pivot('cust','cat','size').plot.bar()