padas使用pviot展示数据及其替代方案

三分之一给你

已于 2022-04-13 20:59:41 修改

阅读量329

点赞数

分类专栏： python数据分析文章标签： python 大数据

于 2022-04-13 20:58:52 首次发布

本文链接：https://blog.csdn.net/xiebin6163/article/details/124157588

版权

python数据分析专栏收录该内容

8 篇文章 0 订阅

订阅专栏

该博客展示了如何利用Pandas库对数据进行分组统计，并通过pivot函数转换数据格式。内容包括对'user'和'item'列的分组，计算'num'列的总和，然后选取每个用户购买量前三的商品。提供的代码实现了一个名为third_item的函数，用于获取每个用户最常购买的前三项商品及其数量。

摘要由CSDN通过智能技术生成

df = pd.DataFrame({'user': ['a', 'a', 'a', 'a', 'a', 'a', 'b', 'b', 'b', 'b', 'c', 'c'],
             'item': ['10001', '10002', '10001', '10002', '10003', '10004', '10001', '10002', '10002', '10003', '10005', '10005'],
                'num': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]})

在这里插入图片描述

# statistics
df_stat = df.groupby(['user', 'item'])['num'].sum().reset_index()

在这里插入图片描述

# pivot
df_stat.pivot(index='user', columns='item', values='num')

在这里插入图片描述

# 如果列很多就不好看，我们就可以选择看前三多的item即可
def third_item(part_data):
    third_kill_map = part_data.sort_values(['num'], ascending=False)[:3]
    d_third_kill_map = {key: value for key, value in third_kill_map[['item', 'num']].values}
    return d_third_kill_map
    
df_stat.groupby(['user']).apply(third_item).reset_index()

在这里插入图片描述