使用 pandas python 将 2 个 groupby 输出与 lambda 组合

Posted 2023-03-11

【中文标题】使用 pandas python 将 2 个 groupby 输出与 lambda 组合

【英文标题】：Combining 2 groupby outputs with lambda using pandas python

【发布时间】：2020-04-18 12:00:36

【问题描述】：

表（df）：

 customer_id Order_date 
     1       2015-01-16      
     1       2015-01-19      
     2       2014-12-21      
     2       2015-01-10      
     1       2015-01-10
     3       2018-01-18
     3       2017-03-04
     4       2019-11-05
     4       2010-01-01
     3       2019-02-03
     3       2019-01-01
     3       2018-01-01

我想要的输出：

使用 groupby 为每个客户 ID 提取 order_dates 数量（一个人至少有 3 笔交易）的代码，我还需要说最近的交易日期。

        Customer_id     No_order_date    Most recent order date
            1                3          2015-01-19

            3                5          2019-02-03

到目前为止尝试过的代码：

 freq = 3 
 df.groupby('customer_id')['order_date'].nunique().loc[lambda x: 
 x>=freq].reset_index().rename(columns='order_date':'No_Order_Dates')

        Customer_id     No_Order_Dates    
            1                3                              
            3                5          


 df.groupby('customer_id')['order_date'].max().reset_index().rename(columns= 
 'order_date':'Most recent order Date')

       Customer_id              Most recent order date
            1                          2015-01-19
            3                          2019-02-03

如何组合两个 groupby 输出？我需要两个都在一个表中（有没有一种方法可以在不使用连接或合并的情况下加入，或者我必须只使用连接/合并）

【问题讨论】：

df.groupby('customer_id')['Order_date'].agg('Order_date_nunique':'nunique','Most recent order date':'max') ?

或命名为 agg:df.groupby('customer_id').agg(Order_date = ('Order_date','nunique'),Most_recent_order_date = ('Order_date','max')) 没问题 :)

这样更好，因为我还可以使用命名聚合来聚合其他列

df.groupby('customer_id').agg(No_transactions=('order_date','nunique().loc[lambda x: x>=7]',Most_recent_order_date = ('order_date', 'max')) 不起作用。Lambda 在聚合的情况下不起作用？@anky_91

请重新打开问题'

【参考方案1】：

您可以在 groupby 之后使用与 .loc[] 相同的命名聚合：

(df.groupby('customer_id').agg(No_transactions=('Order_date','nunique'),
           Most_recent_order_date = ('Order_date', 'max'))
            .loc[lambda x: x['No_transactions']>=3])

或查询：

(df.groupby('customer_id').agg(No_transactions=('Order_date','nunique'),
       Most_recent_order_date = ('Order_date', 'max'))
        .query("No_transactions>=3"))

---

             No_transactions Most_recent_order_date
customer_id                                        
1                          3             2015-01-19
3                          5             2019-02-03