过去 30 天与 lambda function 与 python 的聚合

Question

我正在尝试获取一个名为“sales_30d_lag”的列，其中每个 user_id 上一个“日期”的最后 30 天的总销售额。 当我运行此代码时，我得到了结果，但是当我将它与基于 user_id 的原始 dataframe 合并时，“sales_30d_lag”列显示 NaN 值 - 对出了什么问题有任何想法吗？

df_30d_lag= df.groupby(['user_ID']).apply(lambda df: df[(df['Date'] \
>=(df['Date'].max() -pd.to_timedelta(30, unit='d')))].agg({'sales': 'sum'}))
.rename(columns={'sales':'sales_30d_lag'})

Answer 1

没有数据示例（和合并代码）很难猜测，lambda 本身看起来不错 - 我在这个数据集上测试了它：

from io import StringIO
data = """user_ID,Date,sales
1,2012-09-01 10:00:00,10.0
1,2012-09-02 11:00:00,10.0
1,2012-09-03 12:00:00,10.0
1,2012-10-01 13:00:00,10.0
1,2012-10-02 14:00:00,10.0
1,2012-10-03 15:00:00,10.0
1,2012-10-04 16:00:00,10.0
1,2012-11-01 17:00:00,10.0
2,2012-09-01 18:00:00,20.0
2,2012-09-02 19:00:00,20.0
2,2012-09-03 20:00:00,20.0
2,2012-09-04 21:00:00,20.0
2,2012-09-05 22:00:00,20.0
2,2012-09-06 23:00:00,
3,2012-09-06 23:00:00,30.0"""
df = pd.read_csv(StringIO(data), engine="python", parse_dates=["Date"])

代码给出了正确的结果：

df_30d_lag = df.groupby(['user_ID']).apply(lambda df: \
        df[(df['Date'] >=(df['Date'].max() - pd.to_timedelta(30, unit='d')))]\
            .agg({'sales': 'sum'}))\
    .rename(columns={'sales':'sales_30d_lag'})

#       sales_30d_lag
#user_ID    
#1      30.0
#2      100.0
#3      30.0

也许，合并本身就是一个问题 - df_30d_lag由user_ID索引。 要合并它，您必须重置索引并合user_ID或执行以下操作：

df.merge(df_30d_lag, left_on='user_ID', right_index=True)

#   user_ID Date                sales   sales_30d_lag
#0  1       2012-09-01 10:00:00 10.0    30.0
#1  1       2012-09-02 11:00:00 10.0    30.0
#2  1       2012-09-03 12:00:00 10.0    30.0
#3  1       2012-10-01 13:00:00 10.0    30.0
#4  1       2012-10-02 14:00:00 10.0    30.0
#5  1       2012-10-03 15:00:00 10.0    30.0
#6  1       2012-10-04 16:00:00 10.0    30.0
#7  1       2012-11-01 17:00:00 10.0    30.0
#8  2       2012-09-01 18:00:00 20.0    100.0
#9  2       2012-09-02 19:00:00 20.0    100.0
#10 2       2012-09-03 20:00:00 20.0    100.0
#11 2       2012-09-04 21:00:00 20.0    100.0
#12 2       2012-09-05 22:00:00 20.0    100.0
#13 2       2012-09-06 23:00:00 NaN     100.0
#14 3       2012-09-06 23:00:00 30.0    30.0

如果不是这种情况，请添加数据示例，以便我们更好地重现它。