Блог

Я хотел бы рассчитать распределение товара на основе того, сколько времени проходит между первым и последним заказом этого товара. Однако для достижения этой цели сначала я должен получить эту временную дельту для каждого элемента.

Мой исходный фрейм данных состоит из трех столбцов: «Order_ID», «Order_DATE», «Medium_ID», как показано в следующем примере:

 df = pd.DataFrame({'Medium_ID': {0: '1359',
 1: '1360',
 2: '1359',
 3: '1360',
 4: '1360',
 5: '1404',
 6: '1381',
 7: '1359',
 8: '1419',
 9: '1360'},

 'Order_ID': {0: '1',
 1: '2',
 2: '3',
 3: '4',
 4: '5',
 5: '6',
 6: '7',
 7: '8',
 8: '9',
 9: '10'},

'Order_DATE': {0: Timestamp('2008-04-21 00:00:00'),
 1: Timestamp('2008-04-21 00:00:00'),
 2: Timestamp('2008-04-21 00:00:00'),
 3: Timestamp('2008-04-21 00:00:00'),
 4: Timestamp('2008-04-22 00:00:00'),
 5: Timestamp('2008-04-22 00:00:00'),
 6: Timestamp('2008-04-23 00:00:00'),
 7: Timestamp('2008-04-23 00:00:00'),
 8: Timestamp('2008-04-23 00:00:00'),
 9: Timestamp('2008-04-28 00:00:00')}}))
 

Поскольку у нас может быть несколько order_IDs для одного и того же medium_ID, первое, что я попытался сгруппировать по столбцу «Medium_ID», но тогда я не знаю, как развиваться.

Я хотел бы иметь новый фрейм данных с двумя столбцами: «Medium_ID» и «Days_between_the_last_and_the_first-order» и, в конце концов, показать распределение для серии «Days_between_the_last_and_the_first-order».

Вы можете рассчитать дни между первым и последним заказом для каждого элемента, например:

 df.groupby('Medium_ID').Order_DATE.apply(lambda x: x.max() - x.min())
 

Что приводит к:

 Medium_ID
1359   2 days
1360   7 days
1381   0 days
1404   0 days
1419   0 days
 

Для дней между последней и первой датой заказа вы можете попробовать это.

 grouped = (
    df.drop("Order_ID", axis=1)
    .sort_values(["Medium_ID", "Order_DATE"])
    .groupby("Medium_ID")
    .agg(["first", "last"])
)
grouped.columns = ["first_order_date", "last_order_date"]
grouped.reset_index(inplace=True)
grouped["days_between_last_and_first_order"] = (
    grouped["last_order_date"] - grouped["first_order_date"]
).dt.days
grouped = grouped[["Medium_ID", "days_between_last_and_first_order"]]
 

Или, используя решение @Franco, было бы,

 grouped = df.groupby("Medium_ID")["Order_DATE"].apply(
    lambda x: x.max() - x.min()
).to_frame().reset_index().rename(
    {"Order_DATE": "days_between_last_and_first_order"}, axis=1
)
grouped["days_between_last_and_first_order"] = grouped["days_between_last_and_first_order"].dt.days
 

Для визуализации распределения,

 grouped.hist(column="days_between_last_and_first_order")