Подвижная сумма панд с групповым режимом и условиями - PullRequest
Новая
       23

Подвижная сумма панд с групповым режимом и условиями

2 голосов
/ 27 октября 2019

У меня есть датафрейм с сериями продаж различных товаров с аналитикой клиентов. Для каждого товара и данного дня я хочу вычислить: - долю моего лучшего клиента в общих продажах за последние 2 дня - долю моих главных клиентов (из списка) в общих продажах за последние 2 дня

IЗдесь были опробованы решения: - для скользящей суммы: сумма панд за диапазон дат для каждой категории отдельно - для условной группировки: группа панды с идентификацией элемента с максимальным значением в другом столбце

Пример кадра данных может быть сгенерирован: 

import pandas as pd
from datetime import timedelta
df_1 = pd.DataFrame()
df_2 = pd.DataFrame()
df_3 = pd.DataFrame()

# Create datetimes and data
df_1['item'] = [1, 1, 1, 2, 2, 2, 2]
df_1['date'] = pd.date_range('1/1/2018', periods=7, freq='D')
df_1['customer'] = ['a', 'b', 'c', 'a', 'b', 'b', 'c']
df_1['sales']= [2, 4, 1, 5, 7, 2, 3]

df_2['item'] = [1, 1, 1, 2, 2, 2, 2]
df_2['date'] = pd.date_range('1/1/2018', periods=7, freq='D')
df_2['customer'] = ['b', 'b', 'c', 'a', 'a','c', 'a']
df_2['sales']= [2, 3, 4, 2, 3, 5, 6]

df_3['item'] = [1, 1, 1, 2, 2, 2, 2]
df_3['date'] = pd.date_range('1/1/2018', periods=7, freq='D')
df_3['customer'] = ['b', 'c', 'a', 'c', 'b', 'a', 'b']
df_3['sales']= [6, 5, 2, 3, 4, 5, 6]

df = pd.concat([df_1, df_2, df_3])
df = df.sort_values(['item', 'date'])
df.reset_index(drop=True)
df

и выглядит следующим образом: 

item    date    customer    sales
0   1   2018-01-01  a   2
0   1   2018-01-01  b   2
0   1   2018-01-01  b   6
1   1   2018-01-02  b   4
1   1   2018-01-02  b   3
1   1   2018-01-02  c   5
2   1   2018-01-03  c   1
2   1   2018-01-03  c   4
2   1   2018-01-03  a   2
3   2   2018-01-04  a   5
3   2   2018-01-04  a   2
3   2   2018-01-04  c   3
4   2   2018-01-05  b   7
4   2   2018-01-05  a   3
4   2   2018-01-05  b   4
5   2   2018-01-06  b   2
5   2   2018-01-06  c   5
5   2   2018-01-06  a   5
6   2   2018-01-07  c   3
6   2   2018-01-07  a   6
6   2   2018-01-07  b   6

Я ожидаю следующих результатов: 

item      date       sales_at_day  sales_last_2_days  a_share  top_share      
1      2018-01-01       10            NaN             NaN         NaN  
1      2018-01-02       12            10              0.20        0.20
1      2018-01-03        7            22              0.09        0.09
2      2018-01-04       10            NaN             NaN         NaN
2      2018-01-05       14            10              0.70        1.00
2      2018-01-06       12            24              0.29        0.42
2      2018-01-07       15            26              0.31        0.50

где:

«a_share»: доля продаж клиента «a» в общем объеме продаж за последние 2 дня (не включая сегодняшний день) «top_share»: доля продаж клиентов в 

top_cust = ['a', 'c']

список общих продаж за последние 2 дня (не включая сегодняшний день)

Есть идеи? Большое спасибо заранее:)

Энди

1 Ответ

2 голосов
/ 27 октября 2019

Использование: 

#custom rolling with shift first day
f = lambda x: x.rolling(2, min_periods=1).sum().shift()

#aggregate sum
df1 = df.groupby(['item','date'], as_index=False)['sales'].sum()
#apply custom rolling per groups
df1['sales_last_2_days'] = df1.groupby('item')['sales'].apply(f).reset_index(drop=True, level=0)

#filter customer a and aggregate sum
a = df[df['customer'].eq('a')].groupby(['item','date'])['sales'].sum().rename('a_share')
#add new column to original
df1 = df1.join(a, on=['item','date'])
#applt custom rolling per groups and divide
df1['a_share'] = df1.groupby('item')['a_share'].apply(f).reset_index(drop=True, level=0) / df1['sales_last_2_days']

#verys similar like before, only test membership by isin
top_cust = ['a', 'c'] 
a = df[df['customer'].isin(top_cust)].groupby(['item','date'])['sales'].sum().rename('top_share')
df1 = df1.join(a, on=['item','date'])
df1['top_share'] = df1.groupby('item')['top_share'].apply(f).reset_index(drop=True, level=0) / df1['sales_last_2_days']
print (df1)
   item       date  sales  sales_last_2_days   a_share  top_share
0     1 2018-01-01     10                NaN       NaN        NaN
1     1 2018-01-02     12               10.0  0.200000   0.200000
2     1 2018-01-03      7               22.0  0.090909   0.318182
3     2 2018-01-04     10                NaN       NaN        NaN
4     2 2018-01-05     14               10.0  0.700000   1.000000
5     2 2018-01-06     12               24.0  0.416667   0.541667
6     2 2018-01-07     15               26.0  0.307692   0.500000

Если хотите использовать rolling с днями, это сложнее: 

df1 = df.groupby(['item','date'], as_index=False)['sales'].sum()
sales1 = (df1.set_index('date')
             .groupby('item')['sales']
             .rolling('2D', min_periods=1)
             .sum()
             .groupby('item')
             .shift()
             .rename('sales_last_2_days')
         )
df1 = df1.join(sales1, on=['item','date'])

df2 = df[df['customer'].eq('a')].groupby(['item','date'], as_index=False)['sales'].sum()
a = (df2.set_index('date')
        .groupby('item')[['sales']]
        .apply(lambda x: x.asfreq('D'))
        .reset_index(level=0)
        .groupby('item')['sales']
        .rolling('2D', min_periods=1)
        .sum()
        .groupby('item')
        .shift()
        .rename('a_share')
         )
print (a)
df1 = df1.join(a, on=['item','date'])
df1['a_share'] /= df1['sales_last_2_days']

top_cust = ['a', 'c'] 

df3 = df[df['customer'].isin(top_cust)].groupby(['item','date'], as_index=False)['sales'].sum()
b = (df3.set_index('date')
        .groupby('item')[['sales']]
        .apply(lambda x: x.asfreq('D'))
        .reset_index(level=0)
        .groupby('item')['sales']
        .rolling('2D', min_periods=1)
        .sum()
        .groupby('item')
        .shift()
        .rename('top_share')
         )
df1 = df1.join(b, on=['item','date'])
df1['top_share'] /= df1['sales_last_2_days']

print (df1)
   item       date  sales  sales_last_2_days   a_share  top_share
0     1 2018-01-01     10                NaN       NaN        NaN
1     1 2018-01-02     12               10.0  0.200000   0.200000
2     1 2018-01-03      7               22.0  0.090909   0.318182
3     2 2018-01-04     10                NaN       NaN        NaN
4     2 2018-01-05     14               10.0  0.700000   1.000000
5     2 2018-01-06     12               24.0  0.416667   0.541667
6     2 2018-01-07     15               26.0  0.307692   0.500000
...