如何计算按一个属性分组但在 pandas 的第二列中提供的值

Question

我有一个数据框，其中包含订单 ID、客户端 ID，Date_order 和一些指标（不太重要）我想获取所有行的客户的最后 ID 订单号

我试过这个：

data=pd.DataFrame({'ID': [ 133853.0,155755.0,149331.0,337270.0,
  775727.0,200868.0,138453.0,738497.0,666802.0,697070.0,128148.0,1042225.0,
  303441.0,940515.0,143548.0],
 'CLIENT':[ 235632.0,231562.0,235632.0,231562.0,734243.0,
   235632.0,235632.0,734243.0,231562.0,734243.0,235632.0,734243.0,231562.0,
   734243.0,235632.0],
 'DATE_START': [ ('2017-09-01 00:00:00'),
   ('2017-10-05 00:00:00'),('2017-09-26 00:00:00'),
   ('2018-03-23 00:00:00'),('2018-12-21 00:00:00'),
   ('2017-11-23 00:00:00'),('2017-09-08 00:00:00'),
   ('2018-12-12 00:00:00'),('2018-11-21 00:00:00'),
   ('2018-12-01 00:00:00'),('2017-08-22 00:00:00'),
   ('2019-02-06 00:00:00'),('2018-02-20 00:00:00'),
   ('2019-01-20 00:00:00'),('2017-09-17 00:00:00')]})
data.groupby('CLIENT').apply(lambda x:max(x['ID']))

enter image description here

它考虑了所有 ID，只显示三行 Client 和 max ID，但我只需要在前面几行中查找所有行 DataFrame。请帮忙）

Answer 1

import pandas as pd

data=pd.DataFrame({
    'ID': [133853.0,155755.0,149331.0,337270.0,
           775727.0,200868.0,138453.0,738497.0,
           666802.0,697070.0,128148.0,1042225.0,
           303441.0,940515.0,143548.0],
    'CLIENT':[235632.0,231562.0,235632.0,231562.0,734243.0,
              235632.0,235632.0,734243.0,231562.0,734243.0,
              235632.0,734243.0,231562.0,734243.0,235632.0],
    'DATE_START': [('2017-09-01 00:00:00'), ('2017-10-05 00:00:00'),
                   ('2017-09-26 00:00:00'), ('2018-03-23 00:00:00'),
                   ('2018-12-21 00:00:00'), ('2017-11-23 00:00:00'),
                   ('2017-09-08 00:00:00'), ('2018-12-12 00:00:00'),
                   ('2018-11-21 00:00:00'), ('2018-12-01 00:00:00'),
                   ('2017-08-22 00:00:00'), ('2019-02-06 00:00:00'),
                   ('2018-02-20 00:00:00'), ('2019-01-20 00:00:00'),
                   ('2017-09-17 00:00:00')]
})

data.groupby('CLIENT').apply(lambda df:
    df[df['DATE_START'] == df['DATE_START'].max()].iloc[0][['ID', 'DATE_START']]
)

输出：

CLIENT            ID             DATE_START
231562.0    666802.0    2018-11-21 00:00:00
235632.0    200868.0    2017-11-23 00:00:00
734243.0   1042225.0    2019-02-06 00:00:00

让我们分解一下：

1.) 分组依据 CLIENT。这将形成一个可迭代的数据帧，按 CLIENT.

分组

2.) 使用逻辑将函数应用于组中的每个数据帧（这就是 apply(lambda df: ...) 部分的用途）

3.) 对于每个数据帧，找到最新的 DATE_START，然后对每个数据帧进行子集化以仅显示 ID 和最新的 DATE_START（这就是 df[df['DATE_START'] == df['DATE_START'].max()] 是为了).

4.) 在这一点上，如果同一天有来自客户的多个订单，我不知道你要应用什么逻辑。在本例中，我使用了第一个匹配项 (.iloc[0]).

5.) 然后我 return ID 和 DATE_START。 6.) pandas 将理解您希望将应用于可迭代对象中每个数据帧的逻辑组合起来 row-wise，这就是输出如此的原因。

如果这就是您要找的，请告诉我for.q

Answer 2

data['id_last_order']= data.sort_values('DATE_START').groupby('CLIENT')['ID'].transform(lambda x: x.shift())

或具有创建功能

def select_last_order_id(row):
    df = data[(data['CLIENT']==row['CLIENT'])&(data['DATE_START']<row['DATE_START'])]
    try:
        value = df.groupby(by=['ID','CLIENT'],as_index=False,sort = False).agg('max')['ID'].values[0]
    except Exception:
        value = None
    return(value)

data['id_last_order'] = data.apply(select_last_order_id,axis=1)

如何计算按一个属性分组但在 pandas 的第二列中提供的值

How to calculate a value grouped by one attribute, but provided in the second column in pandas

python

filter

pandas

pandas-apply

pandas-groupby