盘点一个Pandas分组聚类问题

回复“资源”即可获赠Python学习资料

大家好，我是皮皮。

一、前言

前几天在Python最强王者交流群【Chloe】问了一道Pandas处理的问题，如下图所示。

原始数据如下：

df = pd.DataFrame({
'ord_no':[70001,70009,70002,70004,70007,70005,70008,70010,70003,70012,70011,70013],
'purch_amt':[150.5, 270.65, 65.26, 110.5, 948.5, 2400.6, 5760, 1983.43, 2480.4, 250.45, 75.29, 3045.6],
'ord_date': ['05-10-2012','09-10-2012','05-10-2012','08-17-2012','10-09-2012','07-27-2012','10-09-2012','10-10-2012','10-10-2012','06-17-2012','07-08-2012','04-25-2012'],
'customer_id':['C3001','C3001','D3005','D3001','C3005','D3001','C3005','D3001','D3005','C3001','D3005','D3005'],
'salesman_id': [5002,5005,5001,5003,5002,5001,5001,5006,5003,5002,5007,5001]})

def f(x):
    return (x[0]=='C').sum()

df.groupby('salesman_id').agg({'customer_id':[('customer_id_C',f),('customer_id_list',lambda x:','.join(x)),('purc',lambda x:x.max()-x.min())]})

题目的要求是：

要求就是: calculate the number of customers starting with 'C', 
# the list of all products and the difference of maximum purchase amount and minimum purchase amount.

预期的结果如下图所示：

二、实现过程

这个是聚类求和的问题，这里【月神】给出一个可行的代码，大家后面遇到了，可以对应的修改下，事半功倍，代码如下所示：

# 要求就是: calculate the number of customers starting with 'C',
# the list of all products and the difference of maximum purchase amount and minimum purchase amount.
import pandas as pd

df = pd.DataFrame({
    'ord_no': [70001, 70009, 70002, 70004, 70007, 70005, 70008, 70010, 70003, 70012, 70011, 70013],
    'purch_amt': [150.5, 270.65, 65.26, 110.5, 948.5, 2400.6, 5760, 1983.43, 2480.4, 250.45, 75.29, 3045.6],
    'ord_date': ['05-10-2012', '09-10-2012', '05-10-2012', '08-17-2012', '10-09-2012', '07-27-2012', '10-09-2012',
                 '10-10-2012', '10-10-2012', '06-17-2012', '07-08-2012', '04-25-2012'],
    'customer_id': ['C3001', 'C3001', 'D3005', 'D3001', 'C3005', 'D3001', 'C3005', 'D3001', 'D3005', 'C3001', 'D3005',
                    'D3005'],
    'salesman_id': [5002, 5005, 5001, 5003, 5002, 5001, 5001, 5006, 5003, 5002, 5007, 5001]})

result = df.groupby('salesman_id').agg({'customer_id': [('customer_id_start_C', lambda x: (x.str[0] == 'C').sum()),
                                               ('customer_id_list', lambda x: ', '.join(x))],
                              'purch_amt': [('purchase_amt_app', lambda x: x.max() - x.min())]})

print(result)

运行之后，结果就是想要的了。

完美的解决了粉丝的问题！关于索引取值，还有其他的一个方法，如下所示。

三、总结

大家好，我是皮皮。这篇文章主要盘点了一道使用Pandas处理数据的问题，文中针对该问题给出了具体的解析和代码实现，帮助粉丝顺利解决了问题。

最后感谢粉丝【Chloe】提问，感谢【月神】给出的思路和代码解析，感谢【dcpeng】、【冯诚】等人参与学习交流。

小伙伴们，快快用实践一下吧！如果在学习过程中，有遇到任何问题，欢迎加我好友，我拉你进Python学习交流群共同探讨学习。