个人网站psd,网站导航这么做,沈阳最权威男科医院,怎么做点击文字进入的网站我想通过’label’和’month’分组来计算每个月和每个标签的销售数量.我正在尝试’groupby和apply’方法来实现这一目标,但不确定如何计算每个标签的月份.比方说,对于标签值AFFLELOU(DOS),我有7个月的两个值.所以,我应该将销售数量相加并除以2.在第9个月和第10个月,我只有一个值…我想通过’label’和’month’分组来计算每个月和每个标签的销售数量.我正在尝试’groupby和apply’方法来实现这一目标,但不确定如何计算每个标签的月份.比方说,对于标签值AFFLELOU(DOS),我有7个月的两个值.所以,我应该将销售数量相加并除以2.在第9个月和第10个月,我只有一个值,所以计数为1,它将除去销售数量.我编写了下面的代码,但它不会将count作为函数并且返回计数未定义错误.t1.groupby([label, month]).apply(lambda x: x[Quantity sold].sum()/count(month))有人能告诉我如何获得每个标签每月的计数值吗提前致谢.解决方法:你可以使用agg(‘mean’)代替求和,计数和除法t1.groupby([label, month])[Quantity sold].agg(mean)或者,如果您确实希望保留金额和计数,请使用t1.groupby([label, month])[Quantity sold].agg([sum, count, mean])例如,import numpy as npimport pandas as pdt1 pd.DataFrame(np.random.randint(4, size(20,3)), columns[label, Quantity sold, month])t1.groupby([label, month])[Quantity sold].agg([sum, count, mean])产生一个像DataFrame的数据框架sum count meanlabel month0 1 2 1 2.002 0 1 0.003 2 2 1.001 1 1 2 0.502 3 1 3.003 1 1 1.002 0 0 1 0.001 0 3 0.003 5 4 1.253 0 1 1 1.001 0 1 0.002 0 1 0.003 3 1 3.00使用groupby / agg及其内置聚合器sum,count和mean在这里显然更方便,但是如果你确实需要使用groupby / apply和自定义函数,你可以使用t1.groupby([label, month]).apply(lambda x: x[Quantity sold].sum()/len(x))请注意,虽然使用groupby / apply调用自定义函数可以提供更大的灵活性,但这是有代价的,因为为每个组调用一次自定义Python函数通常比调用groupby / agg中可用的内置Cythonized聚合器要慢.如果您销售的数量中缺少(NaN)值,则可能有助于知道group / agg同时具有’count’和’size’聚合器’count’返回非NaN值的数量’size’返回组的长度(包括NaN值)计数总是小于或等于大小.平均值是(非NaN值的)之和除以计数.要查看计数和大小之间的差异,您可以尝试使用以下代码np.random.seed(2018)t1 pd.DataFrame(np.random.randint(4, size(50,3)), columns[label, Quantity sold, month])t1.loc[np.random.choice([True, False], len(t1)), Quantity sold] np.nant1.groupby([label, month])[Quantity sold].agg([sum, count, size, mean])产量sum count size meanlabel month0 1 0.0 0 3 NaN2 6.0 2 2 3.0000003 0.0 0 1 NaN1 0 3.0 2 5 1.5000001 0.0 0 1 NaN2 5.0 3 5 1.6666673 0.0 2 3 0.0000002 0 7.0 3 5 2.3333331 4.0 4 8 1.0000002 5.0 2 3 2.5000003 5.0 2 3 2.5000003 0 1.0 2 5 0.5000001 3.0 1 1 3.0000002 2.0 1 2 2.0000003 2.0 1 3 2.000000标签python,count,pandas,pandas-groupby
