在 Pandas 中根据月份和 ID 和总和过滤数据

Question

ID. Email. Amount Date 1. wi@gn.c. 20 26-11-19 12.06.36.726000 2. wi@gn.c. 40 26-12-19 12.06.37.293000 3. by@gn.c. 50 26-11-19 12.06.37.960000 4. wi@gn.c. 20 26-01-20 12.06.51.306000 5. wi@gn.c. 60 26-02-20 12.06.52.458000 6. by@gn.c. 15 26-08-19 12.06.58.397000 7. wi@gn.c. 37 26-12-19 12.07.00.191000 5. wi@gn.c. 60 26-02-20 12.06.52.458000 6. by@gn.c. 15 26-08-19 12.06.58.397000 7. wi@gn.c. 37 26-12-19 12.07.00.191000

我需要获取每个电子邮件地址在过去 1 个月、3 个月和 6 个月的总金额。我已经尝试了几种命令组合，但现在我迷路了。

在另一个答案df.groupby('Email')['Amount'].sum().reset_index() 有效，但我需要根据 1 个月、3 个月和 6 个月添加总和。

预期的结果将如下所示

ID. Email. Total for past 1 Month Total for past 3 Month Total for past 6 Month 1. wi@gn.c. 20 40 60 3. by@gn.c. 50 50 100

注意：最终的数字并不完全正确，我只是想描绘一下我正在尝试做的事情。

Answer 1

希望这会有所帮助：首先将您的“日期”列转换为 DateTimeIndex。然后你必须将你的数据分成 1 个月、3 个月和 6 个月的组并创建 3 个 dfs。按“金额”之和聚合这 3 个 dfs。最后，将所有这 3 个 dfs 合并到“电子邮件”列。

import numpy as np
import pandas as pd

df = pd.DataFrame([[1,'wi@gn.c.',20,'26-11-19 12.06.36.726000'],
                   [2,'wi@gn.c.',40,'26-12-19 12.06.37.293000'],
                   [3,'by@gn.c.',50,'26-11-19 12.06.37.960000'],
                   [4,'wi@gn.c.',20,'26-01-20 12.06.51.306000'],
                   [5,'wi@gn.c.',60,'26-02-20 12.06.52.458000'],
                   [6,'by@gn.c.',15,'26-08-19 12.06.58.397000'],
                   [7,'wi@gn.c.',37,'26-12-19 12.07.00.191000'],
                   [6,'wi@gn.c.',60,'26-02-20 12.06.52.458000'],
                   [7,'by@gn.c.',15,'26-08-19 12.06.58.397000'],
                   [8,'wi@gn.c.',37,'26-12-19 12.07.00.191000']],
                  columns=['ID','Email','Amount','Date'])

# convert your 'Date' to datetimeindex
df['Date'] = pd.to_datetime(df['Date'], format = '%d-%m-%y %H.%M.%S.%f')
df.set_index('Date', inplace=True)
df.sort_index(inplace=True)

# create dfs from base df for past 1 month, 3 months and 6 months data and aggregate by sum of 'Amount'
end = pd.datetime.now()
df_1mo = df.loc[end - pd.DateOffset(months=1): end].groupby('Email')['Amount'].agg(total_1mo=np.sum)
df_3mo = df.loc[end - pd.DateOffset(months=3): end].groupby('Email')['Amount'].agg(total_3mo=np.sum)
df_6mo = df.loc[end - pd.DateOffset(months=6): end].groupby('Email')['Amount'].agg(total_6mo=np.sum)

# merge all 3 dfs on 'Email'
print(df_1mo.merge(df_3mo, on='Email', how='outer').merge(df_6mo, on='Email', how='outer').fillna(0))

输出：

          total_1mo  total_3mo  total_6mo
Email                                    
wi@gn.c.      120.0      254.0        274
by@gn.c.        0.0        0.0         50

• 在过去 1 个月的范围内（2 月 11 日至 3 月 11 日），您只有 2 行 Date 为 02/26，均与 Email wi@gn.c。和Amount 的总和 是 60+60=120。
• 在过去 3 个月的范围内（12 月 11 日至 3 月 11 日），您有 6 Date 为 02/26/2020、01/26/2020 和 12/26/2019 的行都带有 相同的Email wi@gn.c。 Amount 的总和是 60+60+20+37+37+40=254。
• 在过去 6 个月的范围内（9 月 11 日至 3 月 11 日），您 有 8 行，Date 为 02/26/2020、01/26/2020、12/26/2020 和 2019 年 11 月 26 日。这一行是Email by@gn.c。和Amount 为50。所有其他行都带有Email wi@gn.c。 Amount 的和是 60+60+20+37+37+40+20=274。
• 其他 2 行以 Date 为 2020 年 8 月 26 日不在这个 6 个月的范围内，因此它们被排除在外。

希望这可以解释答案。您可以将end 日期更改为不同的日期以作为基准日期。这里我使用当前日期作为基准日期。

对此可能有更有效的解决方案。但这应该基于您的示例数据集。告诉我进展如何。

更新：最小值和最大值：

df_1mo = df.loc[end - pd.DateOffset(months=1): end].groupby('Email')['Amount'].agg(total_1mo=np.max)
df_3mo = df.loc[end - pd.DateOffset(months=3): end].groupby('Email')['Amount'].agg(total_3mo=np.max)
df_6mo = df.loc[end - pd.DateOffset(months=6): end].groupby('Email')['Amount'].agg(total_6mo=np.max)

# merge all 3 dfs on 'Email'
print(df_1mo.merge(df_3mo, on='Email', how='outer').merge(df_6mo, on='Email', how='outer').fillna(0))

输出：

          total_1mo  total_3mo  total_6mo
Email                                    
wi@gn.c.       60.0       60.0         60
by@gn.c.        0.0        0.0         50