2

Tengo el siguiente dataframe y el problema es que quiero agrupar los datos y sumar las columnas 'jugado' y 'apuesta_promedio' conservando los datos del cliente de una sola fecha, la mas reciente de la columna 'ultima visita'.

Sala   numero cliente           clave ultima_visita jugado apuesta_promedio
Dubai  100    francisco perez   fp100 2018-04-30    500    300 
Dubai  100    francisco         fp100 2018-03-21    1500   350
Dubai  100    francisco         fp100 2018-02-05    400    200

esperado:

Sala   numero cliente           clave ultima_visita jugado apuesta_promedio
Dubai  100    francisco perez   fp100 2018-04-30    2400   850

he utilizado sin éxito lo siguiente:

agrupado = df.groupby(['Sala', 'numero', 'cliente', 'clave', 'ultima visita'])['jugado', 'apuesta_promedio'].apply(lambda x : x.astype('float64').sum())

esto me sigue trayendo todos los registros. Existe alguna forma de obtener el resultado que deseo?, he estado pensando en alguna función 'unique', pero igual me enfrento a la eliminación de mis registros que necesitan ser sumados. Saludos y gracias

2
  • Lo que buscas es considerar a francisco perez y a francisco como un mismo cliente? La clave o identificador del cliente es la columna numero? Commented el 2 feb. 2019 a las 3:31
  • exacto, el identificador es la columna numero, y deseo conervar los datos respecto al numero y ultima fecha de modificacion, en este caso la columna ultima visita Commented el 5 feb. 2019 a las 0:15

1 respuesta 1

2

En primer lugar generamos un dataframea modo de ejemplo:

from io import StringIO
import pandas as pd

TESTDATA = StringIO("""Sala;numero;cliente;clave;ultima_visita;jugado;apuesta_promedio
Dubai;100;francisco perez;fp100;2018-04-30;500;300
Dubai;100;francisco;fp100;2018-03-21;1500;350
Dubai;100;francisco;fp100;2018-02-05;400;200
""")

df = pd.read_csv(TESTDATA, sep=";")

Lo siguiente es generar un nuevo dataframe agrupando y sumarizando según lo que has indicado

agrupado = df.groupby(['Sala', 'numero']).agg(
                                  {'jugado': 'sum', 
                                   'apuesta_promedio':'sum', 
                                   'ultima_visita':'max'
                                  }).reset_index()

Nota que el agrupamiento lo hacemos por Sala y numeroy no incluimos cliente (si además corresponde faltaría tal vez agregar clave). Las formulas que usamos, son bien claras. Faltaría ahora agregar el nombre del cliente, pero aquel que se corresponda al agrupamiento y coincida ultima_visita, para esto usaremos pd.merge():

result = pd.merge(df, agrupado, on=['Sala', 'numero', 'ultima_visita'])[['Sala', 'numero', 'cliente', 'clave', 'ultima_visita', 'jugado_y', 'apuesta_promedio_y' ]]

Resultado final:

    Sala  numero          cliente  clave ultima_visita  jugado_y  apuesta_promedio_y
0  Dubai     100  francisco perez  fp100    2018-04-30      2400                 850

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.