pandas pivot_table或者groupby实现sql 中的count distinct 功能

pandas pivot_table或者groupby实现sql 中的count distinct 功能

import pandas as pd
import numpy as np

data = pd.read_csv('活跃买家分析初稿.csv')

data.head()

	recycler_key	date 周	date 年	date 月	记录数
0	1694	周 1	2018	一月	6
1	1693	周 1	2018	一月	14
2	1686	周 1	2018	一月	20
3	1677	周 1	2018	一月	62
4	1676	周 1	2018	一月	25

• 我们发现表格的表头有空格，且看起来不舒服，尝试使用上篇文章的改名功能，将表头修改为合理的格式

data.columns=['merchant','week','year','month','records']

data.head()

	merchant	week	year	month	records
0	1694	周 1	2018	一月	6
1	1693	周 1	2018	一月	14
2	1686	周 1	2018	一月	20
3	1677	周 1	2018	一月	62
4	1676	周 1	2018	一月	25

• 我们的目标就是统计每个自然月内对应每个客户提交的周次数
• 同样的原理，我们也可以统计自然月内客户数

方法一: 多重groupby，较为麻烦

• 首先利用groupby求出每个月中商家提交订单数

data1 =data.groupby(['month','merchant']).size()

data1.head()

month  merchant
一月     1           2
       240         1
       241         1
       256         9
       277         2
dtype: int64

• 重建索引

data1.reset_index().head()

	month	merchant	0
0	一月	1	2
1	一月	240	1
2	一月	241	1
3	一月	256	9
4	一月	277	2

• 将重建索引的生成的dataFrame再次groupby

data1.reset_index().groupby('month')['merchant'].size().reindex(['一月','二月','三月','四月','五月','六月','七月','八月','九月','十月','十一月','十二月']).reset_index()

	month	merchant
0	一月	615
1	二月	622
2	三月	359
3	四月	175
4	五月	209
5	六月	258
6	七月	320
7	八月	366
8	九月	417
9	十月	428
10	十一月	522
11	十二月	617

方法2 pivot_table使用aggfunc 实现nunique方法

data2=data.pivot_table(index='month',values='merchant',aggfunc=lambda x:len(x.unique()))

data2.reindex(['一月','二月','三月','四月','五月','六月','七月','八月','九月','十月','十一月','十二月']).reset_index()

	month	merchant
0	一月	615
1	二月	622
2	三月	359
3	四月	175
4	五月	209
5	六月	258
6	七月	320
7	八月	366
8	九月	417
9	十月	428
10	十一月	522
11	十二月	617

方法3，直接采用Series的nunique方法

data3 = data.pivot_table(index='month',values='merchant',aggfunc=pd.Series.nunique)

data3.reindex(['一月','二月','三月','四月','五月','六月','七月','八月','九月','十月','十一月','十二月']).reset_index()

	month	merchant
0	一月	615
1	二月	622
2	三月	359
3	四月	175
4	五月	209
5	六月	258
6	七月	320
7	八月	366
8	九月	417
9	十月	428
10	十一月	522
11	十二月	617

方法4 使用单个的groupby，聚合使用nunique方法

data4 = data.groupby(['month']).agg({'merchant': pd.Series.nunique})

data4.reindex(['一月','二月','三月','四月','五月','六月','七月','八月','九月','十月','十一月','十二月']).reset_index()

	month	merchant
0	一月	615
1	二月	622
2	三月	359
3	四月	175
4	五月	209
5	六月	258
6	七月	320
7	八月	366
8	九月	417
9	十月	428
10	十一月	522
11	十二月	617

可以参考

• refer this stackoverflow