Панды скользящая сумма с groupby и условиями

У меня есть фреймворк с таймсериями продаж разных товаров с аналитикой клиентов. Для каждого элемента и конкретного дня я хочу вычислить:

  • доля моих лучших клиентов в общем объеме продаж за последние 2 дня
  • доля моих лучших клиентов (из списка) в общем объеме продаж за последние 2 дня

Я пробовал решения, представленные здесь:

Пример фрейма данных может быть сгенерирован:

import pandas as pd
from datetime import timedelta

df_1 = pd.DataFrame()
df_2 = pd.DataFrame()
df_3 = pd.DataFrame()

# Create datetimes and data
df_1['item'] = [1, 1, 1, 2, 2, 2, 2]
df_1['date'] = pd.date_range('1/1/2018', periods=7, freq='D')
df_1['customer'] = ['a', 'b', 'c', 'a', 'b', 'b', 'c']
df_1['sales'] = [2, 4, 1, 5, 7, 2, 3]

df_2['item'] = [1, 1, 1, 2, 2, 2, 2]
df_2['date'] = pd.date_range('1/1/2018', periods=7, freq='D')
df_2['customer'] = ['b', 'b', 'c', 'a', 'a', 'c', 'a']
df_2['sales'] = [2, 3, 4, 2, 3, 5, 6]

df_3['item'] = [1, 1, 1, 2, 2, 2, 2]
df_3['date'] = pd.date_range('1/1/2018', periods=7, freq='D')
df_3['customer'] = ['b', 'c', 'a', 'c', 'b', 'a', 'b']
df_3['sales'] = [6, 5, 2, 3, 4, 5, 6]

df = pd.concat([df_1, df_2, df_3])
df = df.sort_values(['item', 'date'])
df.reset_index(drop=True)

и выглядит так:

item date customer sales
1 2018-01-01 a 2
1 2018-01-01 b 2
1 2018-01-01 b 6
1 2018-01-02 b 4
1 2018-01-02 b 3
1 2018-01-02 c 5
1 2018-01-03 c 1
1 2018-01-03 c 4
1 2018-01-03 a 2
2 2018-01-04 a 5
2 2018-01-04 a 2
2 2018-01-04 c 3
2 2018-01-05 b 7
2 2018-01-05 a 3
2 2018-01-05 b 4
2 2018-01-06 b 2
2 2018-01-06 c 5
2 2018-01-06 a 5
2 2018-01-07 c 3
2 2018-01-07 a 6
2 2018-01-07 b 6

Ожидаю следующих результатов:

item date sales_at_day sales_lasta_sharedays a_share top_share
1 2018-01-01 10 NaN NaN NaN
1 2018-01-02 12 10 0.20 0.20
1 2018-01-03 7 22 0.09 0.09
2 2018-01-04 10 NaN NaN NaN
2 2018-01-05 14 10 0.70 1.00
2 2018-01-06 12 24 0.29 0.42
2 2018-01-07 15 26 0.31 0.50

куда,

a_share - это доля продаж покупателя «а» в общем объеме продаж за последние 2 дня (не включая сегодняшний день) top_share - это доля продаж покупателей в

top_cust = ['a', 'c']

список общих продаж за последние 2 дня (не включая текущий день)

Любые идеи? Спасибо заранее :)

Энди


python pandas group-by rolling-computation
person Andrzej Wodecki    schedule 27.10.2019    source источник

Ответы (1)


arrow_upward
5
arrow_downward

Использовать:

#custom rolling with shift first day
f = lambda x: x.rolling(2, min_periods=1).sum().shift()

#aggregate sum
df1 = df.groupby(['item','date'], as_index=False)['sales'].sum()
#apply custom rolling per groups
df1['sales_lastrollingdays'] = df1.groupby('item')['sales'].apply(f).reset_index(drop=True, level=0)

#filter customer a and aggregate sum
a = df[df['customer'].eq('a')].groupby(['item','date'])['sales'].sum().rename('a_share')
#add new column to original
df1 = df1.join(a, on=['item','date'])
#applt custom rolling per groups and divide
df1['a_share'] = df1.groupby('item')['a_share'].apply(f).reset_index(drop=True, level=0) / df1['sales_lastrollingdays']

#verys similar like before, only test membership by isin
top_cust = ['a', 'c'] 
a = df[df['customer'].isin(top_cust)].groupby(['item','date'])['sales'].sum().rename('top_share')
df1 = df1.join(a, on=['item','date'])
df1['top_share'] = df1.groupby('item')['top_share'].apply(f).reset_index(drop=True, level=0) / df1['sales_lastrollingdays']
print (df1)
   item       date  sales  sales_lastrollingdays   a_share  top_share
0     1 2018-01-01     10                NaN       NaN        NaN
1     1 2018-01-02     12               10.0  0.200000   0.200000
2     1 2018-01-03      7               22.0  0.090909   0.318182
3     2 2018-01-04     10                NaN       NaN        NaN
4     2 2018-01-05     14               10.0  0.700000   1.000000
5     2 2018-01-06     12               24.0  0.416667   0.541667
6     2 2018-01-07     15               26.0  0.307692   0.500000

Если хотите использовать rolling с днями, это сложнее:

df1 = df.groupby(['item','date'], as_index=False)['sales'].sum()
sales1 = (df1.set_index('date')
             .groupby('item')['sales']
             .rolling('2D', min_periods=1)
             .sum()
             .groupby('item')
             .shift()
             .rename('sales_last_2_days')
         )
df1 = df1.join(sales1, on=['item','date'])

df2 = df[df['customer'].eq('a')].groupby(['item','date'], as_index=False)['sales'].sum()
a = (df2.set_index('date')
        .groupby('item')[['sales']]
        .apply(lambda x: x.asfreq('D'))
        .reset_index(level=0)
        .groupby('item')['sales']
        .rolling('2D', min_periods=1)
        .sum()
        .groupby('item')
        .shift()
        .rename('a_share')
         )
print (a)
df1 = df1.join(a, on=['item','date'])
df1['a_share'] /= df1['sales_last_2_days']

top_cust = ['a', 'c'] 

df3 = df[df['customer'].isin(top_cust)].groupby(['item','date'], as_index=False)['sales'].sum()
b = (df3.set_index('date')
        .groupby('item')[['sales']]
        .apply(lambda x: x.asfreq('D'))
        .reset_index(level=0)
        .groupby('item')['sales']
        .rolling('2D', min_periods=1)
        .sum()
        .groupby('item')
        .shift()
        .rename('top_share')
         )
df1 = df1.join(b, on=['item','date'])
df1['top_share'] /= df1['sales_last_2_days']

print (df1)
   item       date  sales  sales_last_2_days   a_share  top_share
0     1 2018-01-01     10                NaN       NaN        NaN
1     1 2018-01-02     12               10.0  0.200000   0.200000
2     1 2018-01-03      7               22.0  0.090909   0.318182
3     2 2018-01-04     10                NaN       NaN        NaN
4     2 2018-01-05     14               10.0  0.700000   1.000000
5     2 2018-01-06     12               24.0  0.416667   0.541667
6     2 2018-01-07     15               26.0  0.307692   0.500000
person jezrael    schedule 27.10.2019