按客户名称和年份对销售数据进行排序

Question

我有一个包含客户名称、发货日期和采购订单金额的数据集。

我想对数据框进行排序以输出格式为的表格

cols:[Customer Name,2016,2017,2018,2019,2020,2021]
rows: 1 row for each customer and the sum of PO's within a given year.

这是我尝试过的： 数据来自 Excel 表，但假设 ShipToName 是 String，Bill Amount 是 Fl​​oat，Sell 数据是 datetime.datetime.year()。

ShipToName = ['Bob', 'Joe', 'Josh', 'Bob','Joe','Josh']
BillAmount = [30.02,23.2,20,45.32,54.23,65]
SellDate = [2016,2016,2018,2020,2021,2018]

dfSales = {'Customer': ShipToName, 'Total Sales': BillAmmount, 
'Year':SellDate}
dfSales = pd.DataFrame(dfSales,columns = ['Customer', 'Year','Total 
Sales'])
dfbyyear = dfSales.groupby(['Customer','Year'], as_index = 
False).sum().sort_values('Total Sales', ascending = False)

这为每个客户/年份组合提供了一个新行。

我希望输出看起来像：

Customer Name	2016	2017	2018	2019	2020	2021
Bob	30.02				45.32
Joe	23.20					54.23
Josh			85.00

Answer 1

编辑 v2

使用原始版本中的数据，我们可以创建一个临时数据框dx，按客户名称和年份对数据进行分组。然后我们可以将数据转换为您想要的格式。

dx = df.groupby(['Customer Name','Year'])['PO Amount'].agg(Total_Amt=sum).reset_index()

dp = dx.pivot(index='Customer Name',columns='Year',values='Total_Amt')

print (dp)

这个输出将是：

Year           2020  2021
Customer Name            
Boby           6754  6371
Jack           5887  6421
Jane           5161  4411
Jill           5857  5641
Kate           6205  6457
Suzy           5027  4561

原版 v1

我正在对数据做出一些假设，因为您没有向我提供任何数据。

假设：

1. 数据框中有很多客户 - 我的示例有 6 个 客户
2. 每个客户有多个发货日期 - 我的示例有 1 每月发货，为期 2 年
3. 发货金额是美元金额 - 我使用的整数范围是 100 到 900
4. 总数据框大小为 144 行，包含 3 列 - 客户名称、发货日期和采购订单金额
5. 您正在查找按客户、按年份、当年所有采购订单总和的输出

有了这些假设，这里是数据框和输出。

import pandas as pd
import random

df = pd.DataFrame({'Customer Name':['Jack'] * 24 + ['Jill'] * 24 + ['Jane'] * 24 + 
                                   ['Kate'] * 24 + ['Suzy'] * 24 + ['Boby'] * 24,
                   'Ship Date':pd.date_range('2020-01-01',periods = 24,freq='MS').tolist()*6,
                   'PO Amount':[random.randint(100,900) for _ in range(144)]})
print (df)
df['Year'] = df['Ship Date'].dt.year

print (df.groupby(['Customer Name','Year'])['PO Amount'].agg(Total_Amt=sum).reset_index())

    Customer Name  Ship Date  PO Amount
0            Jack 2020-01-01        310
1            Jack 2020-02-01        677
2            Jack 2020-03-01        355
3            Jack 2020-04-01        571
4            Jack 2020-05-01        875
..            ...        ...        ...
139          Boby 2021-08-01        116
140          Boby 2021-09-01        822
141          Boby 2021-10-01        751
142          Boby 2021-11-01        109
143          Boby 2021-12-01        866

每个客户都有从2020-01-01 到2021-12-01 的数据。

总结报告如下：

   Customer Name  Year  Total_Amt
0           Boby  2020       7176
1           Boby  2021       6049
2           Jack  2020       6187
3           Jack  2021       5240
4           Jane  2020       4919
5           Jane  2021       6105
6           Jill  2020       6556
7           Jill  2021       5963
8           Kate  2020       6300
9           Kate  2021       6360
10          Suzy  2020       5969
11          Suzy  2021       4866