Python的大熊猫日期GROUPBY数计算的阈值的第一个实例

Question

拥有对所有客户的交易数据在过去的10年里，我有一个数据帧DF：

Customer_ID | date    | year    | Dollars 
    ABC   2017-02-07   2017    456 
    ABC   2017-03-05   2017    167 
    ABC   2017-07-13   2017    345   
    ABC   2017-05-15   2017    406 
    ABC   2016-12-13   2016    320 
    ABC   2016-01-03   2016    305 
    ABC   2016-10-10   2016    456 
    ABC   2016-05-10   2016    175   
    ABC   2015-04-07   2015    145 
    BCD   2017-09-08   2017    155 
    BCD   2016-10-22   2016    274 
    BCD   2016-10-19   2016    255 

我想补充一个标志，当客户第一次参加一年的第四次访问。

因此，这将是输出：

Customer_ID | date    | year    | Dollars | Flag 
    ABC   2017-02-07   2017    456 
    ABC   2017-03-05   2017    167 
    ABC   2017-07-13   2017    345   
    ABC   2017-05-15   2017    406 
    ABC   2016-12-13   2016    320   X 
    ABC   2016-01-03   2016    305 
    ABC   2016-10-10   2016    456   
    ABC   2016-05-10   2016    175   
    ABC   2015-04-07   2015    145 
    BCD   2017-09-08   2017    155 
    BCD   2016-10-22   2016    274 
    BCD   2016-10-19   2016    255 

我会做一些这样的方式，但它不产生输出需要，我不知道他们的标志在第一时间如何度过第四次访问。

df ['Flag'] = np.where(df[['Customer_ID']].groupby(['year']).agg(['count'])>3, 'X','0') 

Answer 1

然后，你可以，我使用cumcount试试这个（PS：您可以通过df.drop(['Count','Count2'],axis=1)删除列）：

df['Count']=df.sort_values('date').groupby(['Customer_ID','year']).cumcount() 
df['Count2']=df.sort_values('date').groupby(['Customer_ID','Count']).cumcount() 
df['Flag']=np.where(((df['Count']==3) & (df['Count2']==0)),'X', ' ') 


    Customer_ID  date year Dollars Count Count2 Flag 
0   ABC 2017-02-07 2017  456  0  2  
1   ABC 2017-03-05 2017  167  1  1  
2   ABC 2017-07-13 2017  345  3  1  
3   ABC 2017-05-15 2017  406  2  1  
4   ABC 2016-12-13 2016  320  3  0 X 
5   ABC 2016-01-03 2016  305  0  1  
6   ABC 2016-10-10 2016  456  2  0  
7   ABC 2016-05-10 2016  175  1  0  
8   ABC 2015-04-07 2015  145  0  0  
9   BCD 2017-09-08 2017  155  0  1  
10   BCD 2016-10-22 2016  274  1  0  
11   BCD 2016-10-19 2016  255  0  0  

Answer 2

这里亚去！

df['Flag'] = np.where(df.groupby(['Customer_ID','year']).cumcount() + 1 == 4, 'X','') df['Flag'] = np.where((df.groupby(['Customer_ID','Flag']).cumcount() == 0) & (df['Flag'] == 'X'), 'X','')。

编辑为问题误解，谢谢@Wen。在这里，最后一行为客户丢弃重复的X，因此只有客户第一次在一年内进行4次采购才会被标记。

当你做df[['Customer_ID']]，这创建了一个DataFrame对象只有一列，名为Customer_ID。因此，当您尝试提取名为year的列时，会得到一个KeyError，因为该列不存在。另一个问题是，应用groupby()，然后agg()返回一个数据帧，这不是你想要的。