今天接到一个需求,要求用对数据进行错位相减。感觉写得有点麻烦,如果其他方法,欢迎留言交流
数据说明:有客户、消费日期、消费额度
求解目标:对于同一个客户,对日期升序排序,如果下一个日期的消费额度大于上一个日期的消费额度,则标记,最终取出第一次发生时对应的较大的日期
最简单的方法是使用 pandas.Series.shift 具体可参考官方文档
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.Series.shift.html
方法一是使用pandas.Series.shift,该方法可以方便地对数据进行移动
- import pandas as pd
- import numpy as np
- df = pd.DataFrame({'persion':['A','A','A','A','B','B','B','B','B', 'C' ,'D','D','D']
- , 'date':[0, 1, 6, 4, 1, 7, 4, 5, 6, 3, 1, 2, 3]
- , 'price':[1, 5, 3, 0, 2, 4, 5, 8, 3, 5, 7, 7, 7 ]})
- # 组内排序
- df['sort_id'] = df['date'].groupby(df['persion']).rank()
- df.sort_values(by = ['persion', 'sort_id'], axis=0, inplace=True)
- df['price_y'] = df["price"].shift(1)
方法二是自己写的完整的数据处理方法,比较复杂,可作参考
- import pandas as pd
- import numpy as np
- df = pd.DataFrame({'persion':['A','A','A','A','B','B','B','B','B', 'C' ,'D','D','D']
- , 'date':[0, 1, 6, 4, 1, 7, 4, 5, 6, 3, 1, 2, 3]
- , 'price':[1, 5, 3, 0, 2, 4, 5, 8, 3, 5, 7, 7, 7 ]})
- # 组内排序
- df['sort_id'] = df['date'].groupby(df['persion']).rank()
- df.sort_values(by = ['persion', 'sort_id'], axis=0, inplace=True)
- # 添加每个persion的记录数
- persion_dt = df['persion']
- persion_u = list(persion_dt.unique())
- persion_cout = df['persion'].value_counts().to_dict()
- persion_dt_dict = persion_dt.to_dict()
- for key, value in persion_dt_dict.items():
- persion_dt_dict[key] = persion_cout[value]
- df['persion_cout'] = persion_dt_dict.values() # 添加每个id的统计值
- # 数据移动,将下一条数据移动到上一行
- fill_data = pd.DataFrame({'date':[0], 'price':[0]}) # 填充为0, 也可以是其他值
- # df.loc[df['persion']==col_value, ['date', 'price']][1:].append(fill_data) 使移动后的数据行数与移动前一致
- slice_data = {col_value: df.loc[df['persion']==col_value, ['date', 'price']][1:].append(fill_data) for col_value in persion_u }
- new_data = pd.DataFrame()
- for key, value in slice_data.items():
- new_data = new_data.append(value)
- new_data.reset_index(drop=True, inplace=True)
- # 将移动后的数据与原数据拼接
- all_data = pd.merge(df, new_data, how='inner', left_index=True, right_index=True)
- all_data['diff'] = all_data['price_y'] - all_data['price_x']
- # 如果persion只有一条记录,保留;如果每个月的price一样,则保留最早的记录
- all_data['flag'] = (all_data['persion_cout']==1) | (all_data['diff']>=0)
- all_data2 = all_data[all_data['flag'] == True]
- data_select = all_data2.groupby('persion', as_index=False).first() # 保留第一次取得的最大值
- # 将填充的0值改为有效值
- data_select.loc[data_select['date_y']==0, 'date_y'] = data_select.loc[data_select['date_y']==0, 'date_x']
- # 删除无用的列
- data_select.drop(['sort_id', 'persion_cout', 'diff', 'flag'], axis=1, inplace=True)
联系客服