如何将 groupby 值的总和与另一个值的计数相除

Question

我想按“标签”和“月”分组以汇总每个月和每个标签的销售数量。

我正在尝试使用“groupby and apply”方法来实现这一点，但不确定如何计算每个标签的月份。比如说，对于标签值 AFFLELOU (DOS)，我有两个第 7 个月的值。所以，我应该将售出的数量相加并除以 2。 第 9 个月和第 10 个月，我只有一个值，所以计数为 1，它将除以销售数量。

我写了下面的代码，但是它没有把 count 作为一个函数并且返回 count not defined 错误。

t1.groupby(['label', 'month']).apply(lambda x: x['Quantity sold'] 
.sum()/count('month'))

谁能告诉我如何获取每个标签每个月的计数值？

提前致谢。

Answer 1

您可以使用agg('mean')，而不是求和、计数和除法：

t1.groupby(['label', 'month'])['Quantity sold'].agg('mean') 

或者，如果您确实希望保留总和和计数，请使用：

t1.groupby(['label', 'month'])['Quantity sold'].agg(['sum', 'count', 'mean']) 

---

例如，

import numpy as np
import pandas as pd

t1 = pd.DataFrame(np.random.randint(4, size=(20,3)), columns=['label', 'Quantity sold', 'month'])
t1.groupby(['label', 'month'])['Quantity sold'].agg(['sum', 'count', 'mean']) 

产生类似的 DataFrame

             sum  count  mean
label month                  
0     1        2      1  2.00
      2        0      1  0.00
      3        2      2  1.00
1     1        1      2  0.50
      2        3      1  3.00
      3        1      1  1.00
2     0        0      1  0.00
      1        0      3  0.00
      3        5      4  1.25
3     0        1      1  1.00
      1        0      1  0.00
      2        0      1  0.00
      3        3      1  3.00

---

在这里使用groupby/agg 及其内置聚合器sum、count 和mean 显然更方便，但如果您确实需要将groupby/apply 与自定义函数一起使用，您可以使用：

t1.groupby(['label', 'month']).apply(lambda x: x['Quantity sold'].sum()/len(x))

请注意，虽然使用 groupby/apply 调用自定义函数为您提供了更大的灵活性，但这是有代价的，因为为每个组调用一次自定义 Python 函数通常比调用 groupby/agg 中提供的内置 Cythonized 聚合器要慢。

---

如果您在 Quantity sold 中缺少 (NaN) 值，了解 group/agg 具有 'count' 和 'size' 聚合器可能会有所帮助：

• 'count' 返回非NaN 值的数量
• 'size' 返回组的长度（包括 NaN 值）

count 始终小于或等于size。 mean 是sum（非NaN 值）除以count。要查看count 和size 之间的区别，您可以尝试以下代码：

np.random.seed(2018)
t1 = pd.DataFrame(np.random.randint(4, size=(50,3)), columns=['label', 'Quantity sold', 'month'])
t1.loc[np.random.choice([True, False], len(t1)), 'Quantity sold'] = np.nan
t1.groupby(['label', 'month'])['Quantity sold'].agg(['sum', 'count', 'size', 'mean']) 

产生

             sum  count  size      mean
label month                            
0     1      0.0      0     3       NaN
      2      6.0      2     2  3.000000
      3      0.0      0     1       NaN
1     0      3.0      2     5  1.500000
      1      0.0      0     1       NaN
      2      5.0      3     5  1.666667
      3      0.0      2     3  0.000000
2     0      7.0      3     5  2.333333
      1      4.0      4     8  1.000000
      2      5.0      2     3  2.500000
      3      5.0      2     3  2.500000
3     0      1.0      2     5  0.500000
      1      3.0      1     1  3.000000
      2      2.0      1     2  2.000000
      3      2.0      1     3  2.000000