Gestion des valeurs dans un dataframe

Version imprimable

Bonjour,
besoin d'aide en Python.

J'ai un dataframe avec pour chaque client, plusieurs achats (avec date) et pour chaque achat, plusieurs articles avec la quantité vendue;
Exemple ci-dessous
Code:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 Nclient Date Item Qty 1 20180125 A 2 1 20180215 A 3 1 20180305 B 1 1 20180305 C 4 1 20180501 B 3 2 20180305 D 5 2 20180220 A 4 2 20180220 C 1 3 20180305 D 5 3 20180425 B 4 3 20180220 A 1 4 20180125 B 2 4 20180215 B 11 4 20180305 A 1 4 20180305 D 1 4 20180501 C 1
Je souhaiterais écrire un code Python (le plus simple possible évidemment) qui me donne au final pour chaque client :
- le nbre d'achats,
- la date de premier et dernier achat,
- le dernier article (item) acheté,
- la quantité totale d'articles achetés
- la quantité d'articles A achetés.

Merci pour votre aide.

21/01/2019, 17h09
wiztricks

Salut,

Citation:

Envoyé par JFD59

J'ai un dataframe avec pour chaque client, plusieurs achats (avec date) et pour chaque achat, plusieurs articles avec la quantité vendue;

Avec pandas, çà se fait avec des groupby et avec Python, il faudra écrire beaucoup plus de lignes mais c'est pas compliqué (si vous avez pris le temps de débuter).
Qu'est ce qui vous bloque pour écrire çà?

- W
21/01/2019, 18h17
JFD59

C'est pas vraiment que je sois bloqué.
Je vois bien comment je pourrais faire (en adoptant une logique SAS que je connais nettement mieux), mais je m'aperçois qu'avec Python, il existe parfois des syntaxes courtes qui évitent bcp de codes.
Sans cela, je partirais sur la création de plusieurs dataframes (ou séries) et un merge au final pour regrouper le tout.

Salut.

La plupart de ces stats se feront avec de simples générateurs et tri de valeurs, comme je m'ennuie un peu, exemple basique en utilisant csv, je ne connais pas panda et je n'ai pas d'install faite de ce module.

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
import io, csv
 
data = '''
Nclient Date    Item    Qty
1       20180125        A       2
1       20180215        A       3
1       20180305        B       1
1       20180305        C       4
1       20180501        B       3
2       20180305        D       5
2       20180220        A       4
2       20180220        C       1
3       20180305        D       5
3       20180425        B       4
3       20180220        A       1
4       20180125        B       2
4       20180215        B       11
4       20180305        A       1
4       20180305        D       1
4       20180501        C       1
'''
 
clients = dict()
 
with io.StringIO(data.strip()) as f :
    reader = csv.DictReader(f, dialect='excel-tab')
    for row in reader :
        dico = dict(
            date=int(row['Date']),
            item=row['Item'],
            quantite=int(row['Qty']),
        )
        clients.setdefault(int(row['Nclient']), []).append(dico)
 
 
class StatClient :
    def __init__(self, client) :
        self._client = client
 
    def totalAchats(self) :
        return len(self._client)
 
    def totalArticles(self, article=None) :
        if article is None :
            return sum(d['quantite'] for d in self._client)
        return sum(d['quantite'] for d in self._client if d['item'] == article)
 
    def datePremierAchat(self) :
        return sorted(d['date'] for d in self._client)[0]
 
    def dateDernierAchat(self) :
        return sorted(d['date'] for d in self._client)[-1]
 
    def dernierAchat(self) :
        return sorted(clients[1], key=lambda d: d['date'])[-1]['item']
 
    def typeArticles(self) :
        return sorted(set(d['item'] for d in self._client)) 
 
 
statClient_1 = StatClient(clients[1])
 
print('nombre achats', statClient_1.totalAchats())
print('date 1er achat', statClient_1.datePremierAchat())
print('date dernier achat', statClient_1.dateDernierAchat())
print('dernier article acquis', statClient_1.dernierAchat())
print('total articles acquis', statClient_1.totalArticles())
print('total articles "A" acquis', statClient_1.totalArticles('A'))
print('Types d\'articles acquis', statClient_1.typeArticles())

Comme des stats, on peut en faire à volonté, te reste à compléter :)

Merci Bistouille,
va falloir que je cogite pour comprendre la logique de ton code.
Pas l'habitude !-)

De mon côté, j'y suis arrivé mais ma logique est tout autre. Voir ci-dessous.
Pour la qty de item A à calculer, je filtre avant le dataframe puis agrège... n'y a t-il pas moyen de faire une aggrégation "conditionnée" : on fait la somme de qty si une condition est respectée.

J'ai essayé d'intégrer une fonction dans l'agrégation mais ca marche pas. Soit c'est pas possible, soit j'ai fait une erreur.

Code:

1
2
3
4
5
6
7
8
def calc(s):
    if d["Item"] == "A" :
        res=s.sum()
    else:
        res=0     
    return res
 
QtyA=d.groupby("Nclient")["Qty"].agg(calc)

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
# création du 1er dataframe
# on fusionne les labels colonnes pour utilisation futurs
d2=d.groupby("Nclient").agg({'Date':{'min','max'},'Qty':{'sum'}})
level20=d2.columns.get_level_values(0)
level21=d2.columns.get_level_values(1)
d2.columns=level20+"_"+level21
 
# création du 2ème dataframe
# Rq : seule la somme sera utilisée, mais si seulement sum alors on créée une série et non un df et là... plus d'index
d2A=d[d["Item"]=="A"]
d2A=d2A.groupby("Nclient").agg({'Qty':{'sum','mean'}})
level2A0=d2A.columns.get_level_values(0)
level2A1=d2A.columns.get_level_values(1)
d2A.columns=level2A0+"_"+level2A1
 
#on garde dernière et première commande par client pour avoir les articles de ces achats
ddeb=d.sort_values(by=["Nclient","Date"],ascending=[True,True])
ddeb=ddeb.drop_duplicates(subset='Nclient')
dfin=d.sort_values(by=["Nclient","Date"],ascending=[True,False])
dfin=dfin.drop_duplicates(subset='Nclient')
 
ddeb=ddeb.set_index("Nclient")
dfin=dfin.set_index("Nclient")
 
# on ajoute colonnes des dataframesvia les index
d2["Qty_A"]=d2A["Qty_sum"]
d2["FItem"]=ddeb["Item"]
d2["LItem"]=dfin["Item"]
d2.reset_index()

En surfant je suis tombé sur une solution 'aggrégation sous condition'.
En qq lignes, j'ai ce que je veux... sauf pour le 1er et dernier article achetés (là je pense que je dois les calculer à part et les ajouter ensuite !?)
Code:

1 2 3 4 5 6 7 8 9 10 11 12 #la fonction crée une seule série avec les 4 indicateurs comme rows def agg_test(grp): dmi = grp['Date'].min() dmx = grp['Date'].max() Qall = grp['Qty'].sum() QA = grp.loc[grp['Item'] == "A",'Qty'].sum() cols = ['DateMin','DateMax','QtyTt','QtyA'] return pd.Series([dmi,dmx,Qall,QA], index=cols) # Utiliser cette série avec un groupby,splitte les résultats. Tabl = d.groupby('Nclient').apply(agg_test).reset_index()

23/01/2019, 11h15
JFD59

Finalement pour l'aggrégation conditionnée, il y avait cette option très simple.

Code:

d2=d[d['Item'] == 'A'].groupby('Nclient')['Qty'].sum()