python - 如何计算累计平均收入？ Python

Question

我想创建一个图表来显示一段时间内每个“入职年”(首次客户交易)的累计平均收入。但是我在对所需信息进行分组时犯了错误。

玩具数据:

dataset = {'ClientId': [1,2,3,1,2,3,1,2,3,1,2,3,4,4,4,4,4,4,4],
           'Year Onboarded': [2018,2019,2020,2018,2019,2020,2018,2019,2020,2018,2019,2020,2016,2016,2016,2016,2016,2016,2016],
           'Year': [2019,2019,2020,2019,2019,2020,2018,2020,2020,2020,2019,2020,2016,2017,2018,2019,2020,2017,2018],
           'Revenue': [100,50,25,30,40,50,60,100,20,40,100,20,5,5,8,4,10,20,8]}
df = pd.DataFrame(data=dataset)

说明:客户有一个指定的“入职年份”，并且他们会在提到的每个“年份”进行一次交易。然后我计算自客户加入以来已经过去的年数，以使我的图表在视觉上更具吸引力。

df['Yearsdiff'] = df['Year']-df['Year Onboarded']

为了计算累计平均收入，我尝试了以下方法:

• 第一次尝试:

df = df.join(df.groupby(['Year']).expanding().agg({ 'Revenue': 'mean'})
               .reset_index(level=0, drop=True)
               .add_suffix('_roll'))

df.groupby(['Year Onboarded', 'Year']).last().drop(columns=['Revenue'])

输出开始累积，但最后一行不再累积(不知道为什么)。

• 第二次尝试:

df.groupby(['Year Onboarded','Year']).agg('mean') \
                                     .groupby(level=[1]) \
                                     .agg({'Revenue':np.cumsum})

但是效果不佳，我也尝试了其他方法，但效果不佳。

为了可视化累积平均收入，我简单地使用了 sns.lineplot

我的目标是获得与下图类似的图表，但为此我首先需要正确分组我的数据。

预期输出图

我们在图表上看到的年份代表“入职年份”而不是“年份”。

有人可以帮我计算一个有效的累积平均收入，以便绘制与上面的图表类似的图表吗？谢谢

玩具数据集中提供的数据肯定不会给出类似于示例图的内容，但想法应该在那里。

Answer 1

这就是我会做的，考虑到玩具数据不一样，可能应该做一些改变，但总而言之:

import seaborn as sns
df1 = df.copy() 
df1['Yearsdiff'] = df1['Year']-df1['Year Onboarded']
df1['Revenue'] = df.groupby(['Year Onboarded'])['Revenue'].transform('mean') 
#Find the average revenue per Year Onboarded
df1['Revenue'] = df1.groupby(['Yearsdiff'])['Revenue'].transform('cumsum')
#Calculate the cumulative sum of Revenue (Which is now the average per Year Onboarded) per Yearsdiff (because this will be our X-axis in the plot)   
sns.lineplot(x=df1['Yearsdiff'],y=df1['Revenue'],hue=df1['Year'])
#Finally plot the data, using the column 'Year' as hue to account for the different years.