如何计算按一个属性分组的值，但在熊猫的第二列中提供答案

【问题标题】：How to calculate a value grouped by one attribute, but provided in the second column in pandas如何计算按一个属性分组的值，但在熊猫的第二列中提供
【发布时间】：2019-09-24 16:34:31
【问题描述】：

我有一个数据框，其中包含订单 ID、客户 ID、日期订单和一些指标（不是很重要）我想获取所有行的客户最后一个 ID 订单的数量

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

它考虑了所有的 ID，只显示了三行 Client 和 max ID，但我只需要在前面的行中查看所有行 DataFrame。请帮忙）

【问题讨论】：

你能试试data.groupby('CLIENT')['ID'].max()吗？
请添加示例数据和预期输出来演示问题。参考this

标签： python pandas filter pandas-groupby pandas-apply

【解决方案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.) 按CLIENT 分组。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()] 的用途）。

4.) 在这一点上，如果客户在同一日期有多个订单，我不知道您要应用什么逻辑。在这种情况下，我使用了第一个匹配项 (.iloc[0])。

5.) 然后我返回 ID 和 DATE_START。 6.) pandas 将明白您希望将应用于迭代中每个数据帧的逻辑按行组合，这就是输出如此的原因。

如果这就是你要找的，请告诉我。q

【讨论】：

这与我在问题中所做的相同））））我需要具有这么多行的 Dataframe，但需要在当前之前添加具有最后一个订单 ID 的列
您需要知道一个组 (CLIENT) 中有多少行具有最大 ID？
不完全）我需要所有行的客户当前订单的最后订单 ID

【解决方案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)

【讨论】：