1

Есть таблица с данными вида

user_id, month, year, num1, num2, type_id, type_name

12345, 04, 2019, 0, 1, 111, data1
13245, 04, 2019, 0, 1, 111, data1
14235, 05, 2019, 1, 2, 112, data2
15423, 03, 2019, 0, 1, 112, data2

Нужно провести когортный анализ, чтобы результат получился таким:

month, year, num1, type_name, total_users_on_num1

4, 2019, 0, data1, 234
4, 2019, 1, data1, 365
...
4, 2019, 0, data2, 835
4, 2019, 1, data2, 927
...

Выгрузка должна быть по type_name с количеством пользователей на каждом num1. Когорта здесь – month, при котором num1 = 1.

Есть ощущение, что здесь нужна группировка и сортировка по остальным показателям, но не могу понять, в каком порядке и по каким именно столбцам что применять.

df.groupby('type_name').count() дает counts, но превращает остальные столбцы в эти же counts. Кажется, что нужно сгруппировать по type_name – но дальше неясно, нужно ли группировать по month, потому что если бы здесь была множественная вложенная группировка, то получилась бы сводная таблица, а в конечной таблице на каждой строке есть данные (показатели month и year не 1 раз указаны, а для каждой строки).

2 ответа 2

1

Тут нужно использовать "оконный" запрос - не уверена, как это будет через pandas, но на чистом sql будет примерно следующее:

select t.month, t.year, t.num1, t.type_name, count(t.user_id) over (partition by t.type_name) as total_users_for_num1 from table t order by t.num1; 
2
  • Так действительно короче, чем в питоне, спасибо!
    – kamekate
    28 мая 2020 в 17:03
  • Здорово) если ответ действительно помог, отметьте его, пожалуйста, как подходящий. И если плюсанете рейтинг, тоже будет приятно) 1 июн 2020 в 7:30
1

Попробуйте так (где df - переменная, указывающая на ваш датафрейм):

df.groupby(["month", "year", "num1", "type_name"]). nunique()[['user_id']].reset_index().rename(columns={'user_id': 'total_users_on_num1'})

reset_index тут нужен для разворачивания обратно в табличку сгруппированных данных с составным индексом; nunique будет правильней использовать вместо count, потому что скорее всего пользователи могут повторяться; rename для красоты.

1
  • да, это очень похоже на то, что нужно! А в дальнейшем, получается, нужно отсортировать данные без user_id, чтобы они ушли в count и посчитались все юзеры? И далее удалить ненужные столбцы (или правильной практикой будет сделать новую таблицу, выгрузив нужные столбцы из этой?)
    – kamekate
    28 мая 2020 в 16:27

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge you have read our privacy policy.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.