Python的大熊猫不正确的日期计

与下面的Python大熊猫据帧“DF”工作：Python的大熊猫不正确的日期计

Customer_ID | Transaction_ID | Item_ID 
ABC   2017-04-12-333 X8973 
ABC   2017-04-12-333 X2468 
ABC   2017-05-22-658 X2906 
ABC   2017-05-22-757 X8790 
ABC   2017-07-13-864 X8790  
BCD   2017-08-11-879 X2346 
BCD   2017-08-11-879 X2468

我想算的交易有一列表示，当它的客户端的第一次交易，第二个交易等按日期排列。（如果同一天有两笔交易，我将它们统计为同一笔数字，因为我没有时间，所以我不知道哪一笔先到了 - 基本上把它们当作一笔交易处理）。

#get the date out of the Transaction_ID string 
df['date'] = pd.to_datetime(df.Transaction_ID.str[:10]) 

#calculate the transaction number 
df['trans_nr'] = df.groupby(['Customer_ID',"Transaction_ID", df['date'].dt.year]).cumcount()+1

不幸的是，这是我用上面的代码输出：

Customer_ID | Transaction_ID | Item_ID | date  | trans_nr 
ABC   2017-04-12-333 X8973  2017-04-12  1 
ABC   2017-04-12-333 X2468  2017-04-12  2 
ABC   2017-05-22-658 X2906  2017-05-22  1 
ABC   2017-05-22-757 X8790  2017-05-22  1 
ABC   2017-07-13-864 X8790  2017-07-13  1 
BCD   2017-08-11-879 X2346  2017-08-11  1 
BCD   2017-08-11-879 X2468  2017-08-11  2

这是不正确，这是正确的输出我要找：

Customer_ID | Transaction_ID | Item_ID | date  | trans_nr 
ABC   2017-04-12-333 X8973  2017-04-12  1 
ABC   2017-04-12-333 X2468  2017-04-12  1 
ABC   2017-05-22-658 X2906  2017-05-22  2 
ABC   2017-05-22-757 X8790  2017-05-22  2 
ABC   2017-07-13-864 X8790  2017-07-13  3 
BCD   2017-08-11-879 X2346  2017-08-11  1 
BCD   2017-08-11-879 X2468  2017-08-11  1

也许逻辑应仅基于Customer_ID和日期（没有Transaction_ID）？

我想这

df['trans_nr'] = df.groupby(['Customer_ID','date').cumcount()+1

但也算正确。

来源

2017-10-17 jeangelj

你能解释一下trans_nr = 1为seconrd记录。当我运行你的代码时，trans_nr为第二条记录= 2.我得到[1 2 1 1 1 1 2]不是[1 1 1 2 2 1 2] –

对不起 - 我正在试验计数并粘贴错误 - 我需要得到[1 1 2 2 3 1 1]，尽管 – jeangelj

为什么第二个记录1？前两个记录有什么不同，我只看到Item_ID？ –

让我们尝试：

df['trans_nr'] = df.groupby(['Customer_ID', df['date'].dt.year])['date']\ 
        .transform(lambda x: (x.diff() != pd.Timedelta('0 days')).cumsum())

输出：

Customer_ID Transaction_ID Item_ID  date trans_nr 
0   ABC 2017-04-12-333 X8973 2017-04-12   1 
1   ABC 2017-04-12-333 X2468 2017-04-12   1 
2   ABC 2017-05-22-658 X2906 2017-05-22   2 
3   ABC 2017-05-22-757 X8790 2017-05-22   2 
4   ABC 2017-07-13-864 X8790 2017-07-13   3 
5   BCD 2017-08-11-879 X2346 2017-08-11   1 
6   BCD 2017-08-11-879 X2468 2017-08-11   1

来源

2017-10-17 15:02:56

ngroups可能会很简单。 – Dark

谢谢 - 现在测试它，但似乎工作 – jeangelj

@jeangelj不客气。快乐的编码！ –

的一种方法是使累计计数之前下降重复值：

trans_nr = (df 
     .drop_duplicates(subset=['Customer_ID', 'date']) 
     .set_index(['Customer_ID', 'date']) 
     .groupby(level='Customer_ID') 
     .cumcount() + 1 
    ) 
df.set_index(['Customer_ID', 'date'], inplace=True) 
df['trans_nr'] = trans_nr 
df.reset_index(inplace=True)

要获得交易编号，你先用重复Customer_ID和date值删除行。然后，您使用Customer_ID和date（稍后合并）设置其索引并执行groupby和cumcount。这产生了一个系列，其值是每个Customer_ID和date的累计计数。

您还设置原始数据帧的索引（再次以允许合并）。然后，您只需将trans_nr系列分配到df中的一列。指数处理合并逻辑。

来源

2017-10-17 15:02:17 ASGM

好点 - 一定是错过了。 – ASGM

使用dual groupby与ngroup()即

df['trans_nr'] = df.groupby('Customer_ID').apply(lambda x : \ 
       x.groupby([x['date'].dt.date]).ngroup()+1).values

 
Customer_ID Transaction_ID Item_ID  date trans_nr 
0   ABC 2017-04-12-333 X8973 2017-04-12   1 
1   ABC 2017-04-12-333 X2468 2017-04-12   1 
2   ABC 2017-05-22-658 X2906 2017-05-22   2 
3   ABC 2017-05-22-757 X8790 2017-05-22   2 
4   ABC 2017-07-13-864 X8790 2017-07-13   3 
5   BCD 2017-08-11-879 X2346 2017-08-11   1 
6   BCD 2017-08-11-879 X2468 2017-08-11   1

来源

2017-10-17 15:09:50 Dark

您的解决方案使用两个groupbys而不是一个。我认为这将比我的慢两倍。你可以使用ngroup将它凝聚成一个群组吗？ –

我同意，因为它是假设重置我使用了两次。让我尝试 – Dark

Python的大熊猫不正确的日期计

回答

相关问题