分组数据帧-python

我有这个数据集

PRODUCT_ID   SALE_DATE   SALE_PRICE PROVIDER
1            01/02/16    25         1
1            02/10/16    60         1
1            01/11/16    63         2
1            09/10/16    65         3
2            11/11/15    54         1
2            13/01/16    34         2
3            19/05/14    45         1
3            15/10/15    38         1
3            16/06/14    53         2
3            18/10/15    58         2

这是一个组合数据集，数据由不同的提供商提供，每个销售没有共同的标识符。这里的问题是，每个数据提供商的每次销售的日期和价格略有不同。因此，我试图将它们分组为一个组ID，因此这里的业务逻辑是数据提供者1首先获得销售数据，因此对于产品ID，如果供应商2或3的销售日期在1个月的时间内，并且价格在10美元差异（或多或少）内，我们认为它们是相同的销售，否则将被视为不同的销售。因此，输出应该如下所示：

PRODUCT_ID   SALE_DATE   SALE_PRICE PROVIDER  SALE_GROUP_ID
1            01/02/16    25         1          1
1            02/10/16    60         1          2
1            01/11/16    63         2          2
1            09/10/16    65         3          2
2            11/11/15    54         1          3 
2            13/01/16    34         2          4
3            19/05/14    45         1          5
3            15/10/15    38         1          6
3            16/06/14    53         2          5
3            18/10/15    58         2          7

---

我如何在熊猫身上做到这一点，有人能帮忙吗？谢谢。

我们可以在

排序\u值之后使用
groupby

df.SALE_DATE=pd.to_datetime(df.SALE_DATE,format='%d/%m/%y')
df=df.sort_values(['PRODUCT_ID','SALE_DATE','SALE_PRICE'])
df1=df.copy()
df1=df.copy().sort_index()


df1['SALE_GROUP_ID']=df.groupby([df['PRODUCT_ID'],(df['SALE_DATE'].diff().abs()/np.timedelta64(1, 'M')).lt(1).ne(1).cumsum(),df['SALE_PRICE'].diff().lt(10).ne(1).cumsum()]).ngroup().add(1).sort_index().values
df1
Out[294]: 
   PRODUCT_ID  SALE_DATE  SALE_PRICE  PROVIDER  SALE_GROUP_ID
0           1 2016-02-01          25         1              1
1           1 2016-10-02          60         1              2
2           1 2016-11-01          63         2              2
3           1 2016-10-09          65         3              2
4           2 2015-11-11          54         1              3
5           2 2016-01-13          34         2              4
6           3 2014-05-19          45         1              5
7           3 2015-10-15          38         1              6
8           3 2014-06-16          53         2              5
9           3 2015-10-18          58         2              7

更多信息：获取组时需要3个条件

 1. PRODUCT_ID
 2. Date different within in 1 month
 3. SALE_PRICE different less than 10

（df['SALE_DATE'].diff（）.abs（）/np.timedelta64（1，'M'））.lt（1）.ne（1）.cumsum（）
，用于在一个月内获取日期组

(df['SALE_DATE'].diff().abs()/np.timedelta64(1, 'M')).lt(1).ne(1).cumsum()
Out[274]: 
0    1
1    2
3    2
2    2
4    3
5    4
6    5
8    5
7    6
9    6
Name: SALE_DATE, dtype: int32

df['SALE_PRICE'].diff（）.lt（10）.ne（1）.cumsum（）
将在10内获取值

df['SALE_PRICE'].diff().lt(10).ne(1).cumsum()
Out[275]: 
0    1
1    2
3    2
2    2
4    2
5    2
6    3
8    3
7    3
9    4
Name: SALE_PRICE, dtype: int32

在
groupby
之后，我们只需组合（获得每个组条件的交集），然后我们使用
ngroup
获得组Id
18/10/15
和
11/11/15
在一个月内，并且有10美元的价差。它们是一样的吗？不是。因为他们有不同的产品id。产品id应该是相同的，才能视为相同的销售。
19/05/14
和
16/06/14
有相同的产品id，在一个月内，价差为10美元，并且是相同的销售。他们的销售ID是否需要按顺序排列？是的，这就是为什么他们被视为相同的销售。产品ID相同，一个月内有10美元的差异。因此被认为是相同的销售，销售组id相同。不，它们不需要按顺序排列。让我们。@ds\u用户对不起，我不能使用聊天，您可以更改为
df['SALE\u DATE'].diff（）/np.timedelta64（1，'D'）
这部分lt（50）是用来处理仓位大小的，我仍然不明白这一点。所以为了提到日差，我必须单独修改'lt'，或者这也是np.timedelta64（1，'D'）到np.timedelta64（50，'D'）。这是正确的吗
df['sale_date'].diff（）.abs（）/np.timedelta64（1，'D'））.lt（50）.ne（1）.cumsum（），df['net_sale_price'].pct_change（）.lt（0.1）.ne（1）.cumsum（）
？@ds_user您只需要np.timedelta64（1，'D'），这是将days对象转换为int