Python 3.x 在Pandas和Numpy中合并数据帧

我有两个关于销售分析的不同数据框架。我想将它们合并在一起，形成一个新的数据框架，其中包含customer\u id、name和total\u expense列。这两个数据帧如下所示：

import pandas as pd
import numpy as np

customers = pd.DataFrame([[100, 'Prometheus Barwis', 'prometheus.barwis@me.com',
        '(533) 072-2779'],[101, 'Alain Hennesey', 'alain.hennesey@facebook.com',
        '(942) 208-8460'],[102, 'Chao Peachy', 'chao.peachy@me.com',
        '(510) 121-0098'],[103, 'Somtochukwu Mouritsen',
        'somtochukwu.mouritsen@me.com','(669) 504-8080'],[104,
        'Elisabeth Berry', 'elisabeth.berry@facebook.com','(802) 973-8267']],
        columns = ['customer_id', 'name', 'email', 'phone'])

orders = pd.DataFrame([[1000, 100, 144.82], [1001, 100, 140.93],
       [1002, 102, 104.26], [1003, 100, 194.6 ], [1004, 100, 307.72],
       [1005, 101,  36.69], [1006, 104,  39.59], [1007, 104, 430.94],
       [1008, 103,  31.4 ], [1009, 104, 180.69], [1010, 102, 383.35],
       [1011, 101, 256.2 ], [1012, 103, 930.56], [1013, 100, 423.77],
       [1014, 101, 309.53], [1015, 102, 299.19]],
       columns = ['order_id', 'customer_id', 'order_total'])

当我按客户id和订单id分组时，我得到下表：

customer_id  order_id  order_total

100           1000       144.82
              1001       140.93
              1003       194.60
              1004       307.72
              1013       423.77
101           1005       36.69
              1011       256.20
              1014       309.53
102           1002       104.26
              1010       383.35
              1015       299.19
103           1008       31.40
              1012       930.56
104           1006       39.59
              1007       430.94
              1009       180.69

---

这就是我被卡住的地方。我不知道如何对每个客户id的所有订单进行汇总，从而形成一个总花费列。如果有人知道这样做的方法，将不胜感激

IIUC，您可以执行以下操作

orders.groupby('customer_id')['order_total'].sum().reset_index(name='Customer_Total')

输出

customer_id     Customer_Total
0   100     1211.84
1   101     602.42
2   102     786.80
3   103     961.96
4   104     651.22

---

IIUC，你可以做下面的事情

orders.groupby('customer_id')['order_total'].sum().reset_index(name='Customer_Total')

输出

customer_id     Customer_Total
0   100     1211.84
1   101     602.42
2   102     786.80
3   103     961.96
4   104     651.22

---

您可以创建一个附加表，然后

合并

返回到当前输出

# group by customer id and order id to match your current output
df = orders.groupby(['customer_id', 'order_id']).sum()

# create a new lookup table called total by customer
totalbycust = orders.groupby('customer_id').sum()
totalbycust = totalbycust.reset_index()

# only keep the columsn you want
totalbycust = totalbycust[['customer_id', 'order_total']]

# merge bcak to your current table 
df =df.merge(totalbycust, left_on='customer_id', right_on='customer_id')
df = df.rename(columns = {"order_total_x": "order_total", "order_total_y": "order_amount_by_cust"})

# expect output
df

---

您可以创建一个附加表，然后

合并

返回到当前输出

# group by customer id and order id to match your current output
df = orders.groupby(['customer_id', 'order_id']).sum()

# create a new lookup table called total by customer
totalbycust = orders.groupby('customer_id').sum()
totalbycust = totalbycust.reset_index()

# only keep the columsn you want
totalbycust = totalbycust[['customer_id', 'order_total']]

# merge bcak to your current table 
df =df.merge(totalbycust, left_on='customer_id', right_on='customer_id')
df = df.rename(columns = {"order_total_x": "order_total", "order_total_y": "order_amount_by_cust"})

# expect output
df

结果：

                                    total_spend
customer_id name    
100         Prometheus Barwis       1211.84
103         Somtochukwu Mouritsen   961.96
102         Chao Peachy             786.80
104         Elisabeth Berry         651.22
101         Alain Hennesey          602.42

逐步解释：

首先，使用左联接将orders表合并到customers表。为此，你需要熊猫的方法。确保将

how

参数设置为left，因为默认的合并类型是internal（这将忽略没有订单的客户）。 这一步需要对SQL风格的合并方法有一些基本的了解。您可以在中找到各种合并类型的良好视觉概述

您可以使用该方法附加合并，以仅保留感兴趣的列（在您的示例中：customer\u id、name和order\u total）

现在您已经有了合并表，我们仍然需要汇总每个客户的所有订单总价值。为了实现这一点，我们需要使用对所有非数值列进行分组，然后对剩余的数值列应用聚合方法（在本例中）。 上面的

.groupby（）

文档链接提供了更多关于这方面的示例。同样值得一提的是，这是一种在pandas文档中被称为“split-apply-combine”的模式

接下来，您需要使用该方法并设置其

列

参数，将数值列从order_total重命名为total_spend

最后，但并非最不重要的一点是，使用“总支出”列对客户进行排序

我希望这有帮助

结果：

                                    total_spend
customer_id name    
100         Prometheus Barwis       1211.84
103         Somtochukwu Mouritsen   961.96
102         Chao Peachy             786.80
104         Elisabeth Berry         651.22
101         Alain Hennesey          602.42

逐步解释：

首先，使用左联接将orders表合并到customers表。为此，你需要熊猫的方法。确保将

how

参数设置为left，因为默认的合并类型是internal（这将忽略没有订单的客户）。 这一步需要对SQL风格的合并方法有一些基本的了解。您可以在中找到各种合并类型的良好视觉概述

您可以使用该方法附加合并，以仅保留感兴趣的列（在您的示例中：customer\u id、name和order\u total）

现在您已经有了合并表，我们仍然需要汇总每个客户的所有订单总价值。为了实现这一点，我们需要使用对所有非数值列进行分组，然后对剩余的数值列应用聚合方法（在本例中）。 上面的

.groupby（）

文档链接提供了更多关于这方面的示例。同样值得一提的是，这是一种在pandas文档中被称为“split-apply-combine”的模式

接下来，您需要使用该方法并设置其

列

参数，将数值列从order_total重命名为total_spend

最后，但并非最不重要的一点是，使用“总支出”列对客户进行排序

---

我希望这能有所帮助。

看起来您的分组级别比需要的级别多了一个级别-您是如何做到的？你到底想要什么？是这样的：

customers['total\u-spend']=customers['customer\u-id'].map（orders.groupby（'customer\u-id'）['order\u-total'].sum（））

？我通过执行

customer\u-spend=pd.merge（customers，orders）customer\u-spend.groupby（['customer\u-id'，'order\u-id'））.sum（）得到上表

最终，我想要的是一个最终的表格，该表格将给出客户id、姓名以及此人总共花费了多少钱（因此出现了新的“总花费”列），而上面的内容是否没有做到这一点？您的问题和答案是：您的预期产出是什么？您似乎比必要的级别多了一个级别-您是如何做到的？你到底想要什么？是这样的：

customers['total\u-spend']=customers['customer\u-id'].map（orders.groupby（'customer\u-id'）['order\u-total'].sum（））

？我通过执行

customer\u-spend=pd.merge（customers，orders）customer\u-spend.groupby（['customer\u-id'，'order\u-id'））.sum（）得到上表

最终，我想要的是一个最终的表格，该表格将给出客户id、姓名以及该人总共花费了多少钱（因此出现了新的“总花费”列），而上面的表格并没有这样做吗？您的问题和答案已经找到，您的预期产出是多少？