[英]Find the two most recent dates for each customer in Python using pandas
我有一个熊猫数据框,其中包含每个客户的购买日期。 我想找出每个唯一客户的最近购买日期和第二个最近购买日期。 这是我的数据框:
name date
ab1 6/1/18
ab1 6/2/18
ab1 6/3/18
ab1 6/4/18
ab2 6/8/18
ab2 6/9/18
ab3 6/23/18
我期望以下输出:
name second most recent date most recent date
ab1 6/3/18 6/4/18
ab2 6/8/18 6/9/18
ab3 6/23/18 6/23/18
我知道data['date'].max()
可以给出最近的购买日期,但是我不知道如何找到最近的购买日期。 任何帮助将不胜感激。
要获取每个客户的两个最近的购买日期,您可以先按日期降序对数据框进行排序,然后对名称进行分组,然后将汇总的日期转换为单独的列。 最后,只需获取这些列中的前两列,您就可以获得每个客户的两个最近购买日期。
这是一个例子:
import pandas as pd
# set up data from your example
df = pd.DataFrame({
"name": ["ab1", "ab1", "ab1", "ab1", "ab2", "ab2", "ab3"],
"date": ["6/1/18", "6/2/18", "6/3/18", "6/4/18", "6/8/18", "6/9/18", "6/23/18"]
})
# create column of datetimes (for sorting reverse-chronologically)
df["datetime"] = pd.to_datetime(df.date)
# group by name and convert dates into individual columns
grouped_df = df.sort_values(
"datetime", ascending=False
).groupby("name")["date"].apply(list).apply(pd.Series).reset_index()
# truncate and rename columns
grouped_df = grouped_df[["name", 0, 1]]
grouped_df.columns = ["name", "most_recent", "second_most_recent"]
最后使用grouped_df
:
name most_recent second_most_recent
0 ab1 6/4/18 6/3/18
1 ab2 6/9/18 6/8/18
2 ab3 6/23/18 NaN
如果你想以填补任何缺失second_most_recent
相应的值most_recent
值,你可以使用np.where
。 像这样:
import numpy as np
grouped_df["second_most_recent"] = np.where(
grouped_df.second_most_recent.isna(),
grouped_df.most_recent,
grouped_df.second_most_recent
)
结果:
name most_recent second_most_recent
0 ab1 6/4/18 6/3/18
1 ab2 6/9/18 6/8/18
2 ab3 6/23/18 6/23/18
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.