Как в равной степени уменьшить ценность после группировки?

Question

У меня есть таблица, в которой некоторые значения относятся к индексу, а некоторые другие относятся к повторным значениям.В примере sid является индексом, стоит sid, но один sid может содержать много транзакций, и даже больше, одна транзакция может содержать много категорий.

df = pd.DataFrame([
    [1, 100, 1, 'A', 1, 50, 2],
    [1, 100, 2, 'A', 1, 50, 1],
    [1, 100, 2, 'B', 2, 100, 1],
    [1, 100, 2, 'C', 3, 50, 1],
    [2, 200, 3, 'D', 4, 500, 1],
    [2, 200, 4, 'C', 2, 100, 1],
    [3, 200, 5, 'B', 2, 100, 1],
    [3, 200, 5, 'A', 1, 50, 1],
    [3, 200, 5, 'A', 3, 50, 1]
], columns=['sid', 'costs', 'transaction_id', 'category', 'sku', 'price', 'quantity'])

df['revenue'] = df['price'] * df['quantity']

Так что, если посмотреть на уровень sid, мне нужно сначала взятьстоимость затрат и сумма выручки.Вот как это должно выглядеть.Общие затраты - 500, общий доход - 1100.

df.groupby('sid').agg({'costs': 'min', 'revenue':'sum'}).pivot_table(index='sid', margins=True, aggfunc='sum')  

Но я хочу разложить sid по категориям.Я могу сделать это таким образом.

df.groupby(['sid', 'category']).agg({'costs': 'min', 'revenue':'sum'}).pivot_table(index=['sid', 'category'], aggfunc='sum', margins=True)

Моя проблема заключается в том, что для каждой строки затраты были дублированы.И сумма расходов составляет 1100, что не соответствует действительности.Я хочу в равной степени сократить расходы по количеству категорий в каждом sid.Таким образом, это будет выглядеть как

Возможно ли применить такую ​​функцию прокатки?

Answer 1

Вот что вы можете сделать:

g = df.groupby(['sid', 'category']).agg({'revenue':'sum', 'costs': 'min'})
div = df.groupby(['sid'])['category'].nunique()
g['costs'] = g['costs']/div

                revenue     costs
sid category                     
1   A             150   33.333333
    B             100   33.333333
    C              50   33.333333
2   C             100  100.000000
    D             500  100.000000
3   A             100  100.000000
    B             100  100.000000

И для последней строки, включая sum из двух столбцов, просто добавьте снова в конце:

g.pivot_table(index=['sid', 'category'], aggfunc='sum', margins=True)

Answer 2

Я думаю, вам нужно разделить число sid на группы, созданные transform и size:

df = df.groupby(['sid', 'category']).agg({'costs': 'min', 'revenue':'sum'})
df['costs'] = df['costs'].div(df.groupby('sid')['costs'].transform('size'))
df = df.pivot_table(index=['sid', 'category'], aggfunc='sum', margins=True)
print (df)
                   costs  revenue
sid category                     
1   A          33.333333      150
    B          33.333333      100
    C          33.333333       50
2   C         100.000000      100
    D         100.000000      500
3   A         100.000000      100
    B         100.000000      100
All           500.000000     1100