Pandas 分组数据框，类别列具有最大总和值

Question

我想用列对 Pandas 数据框进行分组

datetime index
category
product_name
sale_price.

我需要以这样的方式对它进行分组

year_month
sum_of_sale_price_for_year_month
product_name_max_contributed_price_year_month

如果数据框具有类似的值

| datetime  |  category  |  product_name  | sale_price|
|                                                     |
|2012-07-04 | category_1 |  product_1     | 120       |
|2012-07-07 | category_1 |  product_2     | 270       |
|2012-07-09 | category_1 |  product_7     | 100       |
|2012-07-12 | category_1 |  product_5     | 315       |

输出应该是

| year_month | product_name_max_contributed_price_year_month | sum_of_sale_price_for_year_month|
|                                                                                              |
|  2012-07   |  product_5                                    |  805                            |

列名可以是任何东西，只是为了理解。
我已经能够应用以下过程:

grouped_df = df.groupby([(df.index.year.rename('year')),(df.index.month.rename('month'))]).agg({"sale_price:np.sum"})
grouped_df['year_month'] = grouped_df [['year','month']].apply(lambda x: datetime.strptime('{}-{}'.format(x[1],x[0]), '%m-%Y').strftime('%b-%y'), axis=1)

我需要额外的列来为 product_name 提供在时间范围内的最大贡献。
它要么我在 grouped_df 中搜索与年和月的最大值相对应的每个 product_name 并创建一个系列并附加到它。
什么是最好的方法 ？

Answer 1

创建数据框

import pandas as pd

df = pd.DataFrame({'datetime': ['2012-07-04', '2012-07-07', '2012-07-09 ', '2012-07-12'], 
                   'category': ['category1', 'category1', 'category1', 'category1'],
                   'product_name': ['product_1','product_2','product_7','product_5'],
                   'sale_price': [120,270,100,315]})

创建年月列:

df['year_month'] = pd.to_datetime(df['datetime']).dt.to_period('M')

查找月份的销售额:

s = df.groupby(['year_month'])['sale_price'].sum().to_frame().rename(columns={"sale_price": "sum_of_sale_price_year_month"}).reset_index()

查找销售额最大的产品。 idxmax 是关键函数。它返回在请求的 groupby 轴上第一次出现最高销售价格的索引，并将其放入 loc 函数中，该函数拉出与该索引关联的整行。然后从这一行中提取 year_month 和 product_name 并重命名其中一个并重置索引，以便在下一步中进行连接。

grouped_df = df.loc[df.groupby(['year_month'])['sale_price'].idxmax()][['year_month','product_name']].rename(columns={"product_name": "product_name_max_contributed_price_year_month"}).reset_index(drop=True)

合并年月字段:

df2 = pd.merge(s, grouped_df, on='year_month')

      year_month    sum_of_sale_price_year_month product_name_max_contributed_price_year_month
    0 2012-07       805                          product_5