0

introducir la descripción de la imagen aquí

Tengo un archivo .CSV en el cual necesito filtrar por año, customerID y price para saber cual cliente vendió mas en ese año (2021):

with open(datafile, 'r') as fl:
csvreader = csv.reader(fl, delimiter=',', quotechar='"')
next(csvreader)
order_list = []

for e in csvreader:
  order_list.append(e)

Con este codigo filtre por año y saque un nuevo diccionario con los items que necesitaba:

sumas = {}
  for c in order_list:
    if c[2] == '':
      continue
    elif c[0] in sumas.items():
        sumas[c[0].value] += float(c[5])
    else:
      dates = datetime.strptime(c[2], '%Y-%m-%d %H:%M:%S.%f')
      if dates.year == 2021:
        sumas[c[0]] = float(c[5])

Aqui el problema es que me muestra solo 1 cliente por venta y no podria hacer la suma.

8
  • Podés usar un diccionario que tenga de clave el cliente y de valor el total (inicializado en 0). Al recorrer el csv, agregas al diccionario el cliente (si es que no está) y le sumas el nuevo valor obtenido al total que estas armando. Una vez leas todo el csv, tendrás el cliente y el total en un diccionario, y podrás hacer lo que quieras con eso.
    – Dante S.
    el 27 ene. a las 13:53
  • Lo intente asi directamente pero me elimina los elementos repetidos, por ejemplos los id repetidos el 27 ene. a las 13:56
  • Yo hice mi propuesta en base a que querés agrupar por cliente. Podrías editar la pregunta y aclarar cual es la condición por la que estás agrupando por favor? Por ejemplo, "estoy agrupando según la combinación de cliente y producto"
    – Dante S.
    el 27 ene. a las 13:57
  • debo agrupar por fecha (2021) el cliente (customerID) que hizo mas ventas (sumar los price de esos customerID) el 27 ene. a las 13:58
  • O sea, querés obtener el cliente que más vendió en 2021, o querés obtener el cliente que más vendió en cada año? Por que si es el primer caso, mi propuesta en el primer comentario debería de servirte.
    – Dante S.
    el 27 ene. a las 14:00

2 respuestas 2

0

Buen día,

En tu pregunta pusiste la etiqueta de pandas pero en realidad no aparece por ningún lado en tu código por lo que hago una propuesta con pandas suponiendo que en verdad la utilizas en alguna parte.

Nota: Al utilizar pandas es recomendable no utilizar ciclos (Por ejemplo for) para iterar en los elementos, hay métodos optimizados que trabajan con el dataset rápida y eficientemente. En la mayoría de los casos, si lo que quieres hacer crees que se puede hacer con un for entonces es el camino incorrecto (O el que va a tardar más y tener mayor impacto al procesador). En esos casos, si no hay un método directo que realice la tarea entonces apply podría ser una buena opción, como último recurso sería utilizar ciclos.

Nota 2: Siempre es mejor agregar los datos como texto, aunque sea algunas filas para poder copiar y pegar, cree unos datos ficticios para mostrar el funcionamiento del ejemplo.

Utilizando los siguientes datos:

    CustomerID  OrderID                    Date  Price
0            1        1 2021-07-26 14:40:10.521     90
1            2        2 2021-08-08 14:40:10.521     60
2            3        3 2021-07-27 14:40:10.521     90
3            3        3 2021-07-27 14:40:10.521     90
4            4        4 2021-07-28 14:40:10.521    160
5            5        5 2021-07-28 14:40:10.521    125
6            5        5 2021-07-28 14:40:10.521    125
7            6        6 2021-07-28 14:40:10.521    225
8            7        7 2021-08-02 14:40:10.521    100
9            8        8 2021-08-02 14:40:10.521     10
10           8        9 2021-08-02 14:40:10.521      0
11           8        9 2021-08-02 14:40:10.521     70

Creamos un dataframe en tu caso puedes utilizar pandas.read_csv, yo utilizo DataFrame ya que creo los datos directemente en el código.

Luego convertimos la columna "Date" en datetime64 para poder acceder al año de la fecha utilizando el accesor pandas.Series.dt.

Por último agrupamos por año y por "CustomerID" y solicitamos que de la columna "Price" se cree la suma del grupo

Ejemplo completo:

import pandas as pd

df = pd.DataFrame({
    'CustomerID': [1,2,3,3,4,5,5,6,7,8,8,8],
    'OrderID': [1,2,3,3,4,5,5,6,7,8,9,9],
    'Date': ['2021-07-26 14:40:10.521', '2021-08-08 14:40:10.521', '2021-07-27 14:40:10.521', '2021-07-27 14:40:10.521', '2021-07-28 14:40:10.521', '2021-07-28 14:40:10.521', '2021-07-28 14:40:10.521', '2021-07-28 14:40:10.521', '2021-08-02 14:40:10.521', '2021-08-02 14:40:10.521', '2021-08-02 14:40:10.521', '2021-08-02 14:40:10.521'],
    'Price': [90,60,90,90,160,125,125,225,100,10,0,70],
})

# Convertimos a datetime64
df['Date'] = pd.to_datetime(df['Date'])

# Imprimimos el dataframe agrupado
print(df.groupby([df['Date'].dt.year, 'CustomerID']).agg({'Price': 'sum'}))

Esto imprime el siguiente dataframe agrupado:

                 Price
Date CustomerID       
2021 1              90
     2              60
     3             180
     4             160
     5             250
     6             225
     7             100
     8              80

En caso de tener más años te daría diferentes grupos por año.

5
  • No me había fijado en eso. Que bueno que te fijaste!
    – Dante S.
    el 27 ene. a las 15:16
  • Es más sencillo con pandas xD el 27 ene. a las 15:17
  • Si, es verdad. Pero como creia que el no usaba pandas, mi respuesta fue orientada a no usar pandas.
    – Dante S.
    el 27 ene. a las 15:18
  • Yo sospecho que no se usa, pero como estaba la etiqueta por eso puse esta opción el 27 ene. a las 15:20
  • Bueno, no está nada mal ver otras alternativas. Además, uno se divierte dando respuestas. Muchas veces, di respuestas a preguntas donde se respondía con regex sin usar regex.
    – Dante S.
    el 27 ene. a las 15:21
0

Nota: si usas/deseas usar pandas, es preferible recurrir a esta respuesta


Una forma de agrupar totales usando un diccionario que agrupa a todos los clientes de un csv (con otro formato, adaptarlo es tarea para la casa) junto a sus totales.

import io
import csv

# creamos un objeto archivo en memoria
file = io.StringIO("2021,dante,1\n"
                   "2021,dante,2\n"
                   "2022,juan,1")

reader = csv.reader(file)

totales = {}

for fila in reader:
    anio = int(fila[0])
    cliente = fila[1]
    prec = float(fila[2])

    # si el cliente no está en los totales
    # agregamos el cliente con un total inicial de 0
    if(cliente not in totales):
        totales[cliente] = 0

    # Sumamos el precio obtenido al total obtenido hasta ahora.
    # Nota: si querés un resultado más preciso, que no tenga
    # los problemas de la base 2, te recomiendo usar decimal.Decimal
    totales[cliente] += prec

print(totales)

Produce:

{'dante': 3.0, 'juan': 1.0}

Este código esta destinado puramente a demostrar como se pueden agrupar datos, implementar esto en un csv con un formato distinto al ejemplificado y colocar filtros es tarea para el hogar.

2
  • no funciona... me da un objeto vacio, tampoco haces el filtro por año el 27 ene. a las 14:55
  • Que raro... podrías editar la pregunta y mostrarme como implementaste esta respuesta por favor? El código de la respuesta está probado y funciona. Además, lee el ultimo parrafo: no hice los filtros por que el objetivo del código es mostrar una forma de agrupar datos. Por eso, el filtro es algo que deberás implementar vos.
    – Dante S.
    el 27 ene. a las 15:06

Tu Respuesta

Al pulsar en “Publica tu respuesta”, muestras tu consentimiento a nuestros términos de servicio, política de privacidad y política de cookies

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