Como reduzir igualmente o valor após o agrupamento?

votos
2

Eu tenho tabela em que alguns valores pertencem ao índice e alguns outros pertencem a valores repetidos. No exemplo sidé o índice, os custos beolng a Sid, mas um sid pode conter muitas transações e ainda mais uma transação pode conter muitas categorias.

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']

Então, se olhar no nível sid eu preciso tomar primeiro valor dos custos e soma da receita. Isto é como deveria se parece. Os custos totais - 500, a receita total - 1100.

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

digite

Mas eu quero para se decompor sid por categoria. Eu posso fazê-lo desta forma.

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

digite

Meu problema é que para cada custos de linha foram duplicados. E soma dos custos é de 1100 que não é verdade. Quero reduzir igualmente os custos referentes à quantidade de categorias em cada sid. Por isso vai se parece

digite

É possível aplicar essa função de rolamento?

Publicado 18/12/2018 em 11:02
fonte usuário
Em outras línguas...                            


2 respostas

votos
3

Aqui está algo que você pode fazer:

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

E para a última linha, incluindo o sumdas duas colunas simplesmente adicionar novamente no final:

g.pivot_table(index=['sid', 'category'], aggfunc='sum', margins=True)
Respondeu 18/12/2018 em 11:33
fonte usuário

votos
2

Acho que você precisa dividir contagem de sidpor grupos criados por transforme 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
Respondeu 18/12/2018 em 11:32
fonte usuário

Cookies help us deliver our services. By using our services, you agree to our use of cookies. Learn more