dispongo del siguiente dataframe de pandas:
fecha = [Timestamp('2018-04-26 00:00:00'), Timestamp('2018-05-31 00:00:00'), Timestamp('2018-02-01 00:00:00'), Timestamp('2018-04-24 00:00:00'), Timestamp('2018-05-08 00:00:00'), Timestamp('2018-06-11 00:00:00'), Timestamp('2018-03-12 00:00:00'), Timestamp('2018-01-12 00:00:00'), Timestamp('2018-01-05 00:00:00'), Timestamp('2018-02-27 00:00:00'), Timestamp('2018-03-21 00:00:00'), Timestamp('2018-05-15 00:00:00'), Timestamp('2018-06-04 00:00:00'), Timestamp('2018-01-04 00:00:00'), Timestamp('2018-03-15 00:00:00'), Timestamp('2018-01-15 00:00:00'), Timestamp('2018-04-23 00:00:00'), Timestamp('2018-04-03 00:00:00'), Timestamp('2018-03-01 00:00:00'), Timestamp('2018-02-08 00:00:00'), Timestamp('2018-03-12 00:00:00'), Timestamp('2018-05-03 00:00:00'), Timestamp('2018-06-29 00:00:00'), Timestamp('2018-04-26 00:00:00'), Timestamp('2018-06-27 00:00:00'), Timestamp('2018-01-03 00:00:00'), Timestamp('2018-02-28 00:00:00'), Timestamp('2018-02-08 00:00:00'), Timestamp('2018-01-12 00:00:00'), Timestamp('2018-03-01 00:00:00')]
camion = [29, 142, 31, 45, 35, 37, 26, 27, 45, 39, 3, 32, 38, 37, 38, 44, 28, 33, 20, 19, 33, 45, 41, 40, 45, 142, 45, 41, 28, 31]
litros = [500, 1000, 1000, 750, 1000, 1000, 500, 854, 800, 1427, 1000, 300, 2939, 848, 95, 687, 500, 400, 1570, 759, 400, 500, 428, 208, 1800, 737, 1200, 473, 300, 600]
total = [395.0, 780.0, 740.0, 592.5, 765.0, 840.0, 355.0, 640.5, 604.0, 1013.17, 690.0, 253.5, 3497.410000000001, 924.32, 81.22, 494.64, 401.0, 310.0, 1114.7, 542.69, 280.0, 397.5, 350.96, 160.16, 1386.0, 523.27, 886.8, 354.75, 209.4, 454.8]
almacen = [1, 5, 1, 1, 1, 3, 4, 3, 1, 3, 5, 1, 3, 3, 3, 6, 1, 1, 3, 1, 1, 1, 6, 4, 1, 5, 1, 6, 1, 1]
ids = ['56Q0S4JD8138910', '5HV14A652495532', '54E1874LA464621', '56O11A401967278', '5720V2LHD857647', '5810IU5Z4491036', '55I0JPF62660479', '53V0MJMY1466389', '53N0U1I1L201206', '5550IOKNN936551', '5HV14A5AM346716', '57A0GUV8N180759', '57U0HE2YI612450', '53N0HTYJH885007', '55L0KJ7R7612606', '53Y0JCDZB003473', '56N0TQK4W986971', '56312BIV7788930', '5570JSBHX095290', '54L0YYF1Z018997', '55H0YC8ZH051478', '56Y0GPL8S406366', '58L0H8M82986461', '56Q11KSLA450419', '58H0GIP9A880489', '5HV14A4EQ001353', '55513RLEU103004', '54M0ICHQT431772', '53V0L7C95601821', '55610PU5K796614']
data = pd.DataFrame({'id': ids, 'fecha': fecha, 'litros': litros, 'total': total, 'almacen': almacen, 'camion': camion})
Quiero calcular cuantos días he empleado cada cantidad de camiones, es decir por ejemplo cuantos días he usado 2 camiones, cuantos 3, cuantos 9, esto agrupado por almacén y por año. Lo he conseguido hacer de la siguiente manera:
datos = data
datos['fecha'] = pd.to_datetime(datos['fecha'], format = '%Y/%m/%d')
df = datos[['camion','litros','almacen','fecha','total','id']]
df['years'] = df.fecha.dt.year
agrup = df.groupby(['almacen','years','fecha'])[['camion']].nunique().reset_index()
dias_flota = agrup.groupby(['almacen','years','camion']).count().unstack().fillna('-')
De esta manera obtengo el siguiente DataFrame:
Ahora querría saber que cantidad de litros y que cantidad de pedidos tengo cada día con los los camiones mentados, es decir, los días que tengo en el almacén 1 en 2017 , 1 solo camión, cuantos litros he repartido esos días, y cuantos pedidos he despachado esos días para hacer posteriormente un promedio. Llego a calcular cada día cuantos litros tengo de la siguiente manera:
litros = df.groupby(['almacen','years','fecha'])[['litros']].sum()
pero no llego a ver como combinar ambos datos ni como agruparlos de manera adecuada. Por la parte de la estadística tampoco tengo claro del todo que este valor aporte demasiado, si viesen alguna otra relación util con estos datos agradecería recomendaciones. Si no fuesen suficientes los datos puedo ampliar el dataframe practicamente de manera indefinida. Gracias por la ayuda.