使用 Pandas 在 Python 中对数据帧的行子集进行分组

Question

我从包含 30 万行的数据集中获得以下数据框：

    CustomerID  Revenue
0   17850.0     15.30
1   17850.0     11.10
2   13047.0     17.85
3   13047.0     17.85
4   17850.0     20.34
5   13047.0     12.60
6   13047.0     12.60
7   13047.0     31.80
8   17850.0     20.34
9   17850.0     15.30
10  13047.0     9.90
11  13047.0     30.00
12  13047.0     31.80
13  12583.0     40.80
14  12583.0     39.60
15  13047.0     14.85
16  13047.0     14.85
17  12583.0     15.60
18  12583.0     45.00
19  12583.0     70.80

CustomerID 值成批重复。例如，前两行中包含的 CustomerID 值 17850 稍后可能会在数据集中的某个时间点再次出现。我正在尝试按相同的客户 ID 对行的子集进行分组，并汇总该行的收入。我想做的数据帧转换应该是这样的：

   CustomerID   TotalRevenue
0   17850.0      26.40
1   13047.0      35.70
2   17850.0      20.34
3   13047.0      57.0
4   17850.0      35.64
5   13047.0      71.7
6   12583.0      80.4
7   13047.0      29.7
8   12583.0     131.4

问题是，如果我使用 groupby 方法，它会将具有相同 CustomerID 值的所有行分组。因此，通过这种方式，它将整个数据框中的所有 17850 个 CustomerID 值组合在一起，而不仅仅是前 2 行的一堆，然后是其他 CustomerID 值的后续串。

非常感谢您提供有关如何使用 Pandas 执行此操作的帮助。谢谢

Answer 1

import pandas as pd

# df <- I am assuming that df contais you data

result = df.groupby('CustomerID').sum().rename(columns={'Revenue': 'TotalRevenue'})

Answer 2

df.groupby(['CustomerID',df.CustomerID.diff().ne(0).cumsum()],sort=False)['Revenue'].sum().rename_axis(['CustomerID','GID']).reset_index().drop('GID',axis=1)

输出：

   CustomerID  Revenue
0     17850.0    26.40
1     13047.0    35.70
2     17850.0    20.34
3     13047.0    57.00
4     17850.0    35.64
5     13047.0    71.70
6     12583.0    80.40
7     13047.0    29.70
8     12583.0   131.40

Answer 3

知道这已经晚了，我还没有在你的例子中对此进行测试，但我认为接受的答案的可读性很低。这不仅清晰易读，而且提供了以下功能：(1) 保留 class DataFrame，(2) 应用平均值、计数、求和以及 (3) 在多个列上启用 groupby。

df.groupby(['att1', 'att2']).agg({'att1': "count", 'att3': "sum",'att4': 'mean'})

使用您的价值观...

df.groupby(['User ID']).agg({'Revenue': "sum"})

使用 Pandas 在 Python 中对数据帧的行子集进行分组

Grouping row subsets of a dataframe in Python using Pandas

python

python-3.x

pandas

pandas-groupby