Python 如何计算每个客户销售商品的频率？

我试图计算数据集中每个客户的商品销售频率，但我不想计算整个数据集长度的频率，而是计算每个客户购买商品的总数

我的数据框将如下所示：

data = {'ClientId': ['1','2','3','4','2','2','1','4'],
        'QuantitySold': ['5','10','6','7','5','10','8','7']
       }

预期产出：

Client Id     QuantitySold     FrequencySold
1             5                0.385
2             10               0.4
3             6                1
4             7                0.5
2             5                0.2
2             10               0.4
1             8                0.615
4             7                0.5

解释计算：客户1=5/（5+8）=0.385

---

如何使用Python实现这一点？

首先，创建一个包含每个客户端总数的字典，然后将当前数量除以这些总数：

import collections
totals = collections.defaultdict(int)
for c, q in zip(data["ClientId"], data["QuantitySold"]):
    totals[c] += int(q)
# defaultdict(int, {'1': 13, '2': 25, '3': 6, '4': 14})

for c, q in zip(data["ClientId"], data["QuantitySold"]):
    print(c, q, int(q)/totals[c])

输出：

1 5 0.38461538461538464
2 10 0.4
3 6 1.0
4 7 0.5
2 5 0.2
2 10 0.4
1 8 0.6153846153846154
4 7 0.5

---

首先，创建一个包含每个客户机总计的字典，然后将当前数量除以这些总计：

import collections
totals = collections.defaultdict(int)
for c, q in zip(data["ClientId"], data["QuantitySold"]):
    totals[c] += int(q)
# defaultdict(int, {'1': 13, '2': 25, '3': 6, '4': 14})

for c, q in zip(data["ClientId"], data["QuantitySold"]):
    print(c, q, int(q)/totals[c])

输出：

1 5 0.38461538461538464
2 10 0.4
3 6 1.0
4 7 0.5
2 5 0.2
2 10 0.4
1 8 0.6153846153846154
4 7 0.5

---

使用

熊猫

获取总数并将其转换为dict：

summed = df.groupby('ClientId').sum('QuantitySold')
sums = summed.to_dict()['QuantitySold']

要计算每行的频率，请执行以下操作：

def get_freqs(row):
    return row[1] / sums[row[0]]

适用于每一行：

df['FrequencySold'] = df.apply(get_freqs, axis=1)

---

使用

熊猫

获取总数并将其转换为dict：

summed = df.groupby('ClientId').sum('QuantitySold')
sums = summed.to_dict()['QuantitySold']

要计算每行的频率，请执行以下操作：

def get_freqs(row):
    return row[1] / sums[row[0]]

适用于每一行：

df['FrequencySold'] = df.apply(get_freqs, axis=1)

---

虽然这段代码可能会回答这个问题，但提供关于为什么和/或如何回答这个问题的附加上下文可以提高其长期价值。嗨，@donald duck，我只是希望它很清楚，但你是对的。我可以补充一下：代码的第一行使用transfrom方法创建了一个新的列“total sales”，我认为groupby更容易理解。第二行在现有数据框中再添加一列“频率”，并使用简单的除法运算符计算频率。。Ps：很抱歉，我仍然很难格式化这么多评论@​everyt4u你应该将其编辑到你的答案中，但没关系，我将你的评论复制到了你的答案中。事实上，这对我的问题不起作用，因为“总销售额”是针对整个数据集的，而我试图用每个客户Id的“总销售额”除以“QuantitySeld”@DonaldDuck谢谢，感谢..我还添加了输出。这里仍然是新的..虽然这段代码可能会回答这个问题，但提供了关于为什么和/或如何回答这个问题的附加上下文，提高了它的长期价值。嗨，@donald duck，我只是希望它很清楚，但你是对的。我可以补充一下：代码的第一行使用transfrom方法创建了一个新的列“total sales”，我认为groupby更容易理解。第二行在现有数据框中再添加一列“频率”，并使用简单的除法运算符计算频率。。Ps：很抱歉，我仍然很难格式化这么多评论@​everyt4u你应该将其编辑到你的答案中，但没关系，我将你的评论复制到了你的答案中。事实上，这对我的问题不起作用，因为“总销售额”是针对整个数据集的，而我试图用每个客户Id的“总销售额”除以“QuantitySeld”@DonaldDuck谢谢，非常感谢。我还添加了输出。这里仍然是新的。谢谢，您的解决方案似乎有效。但是，我不知道如何将频率列从循环中添加到我的数据集谢谢，您的解决方案似乎有效。但是，我不知道如何从循环中将频率列添加到我的数据集中