DataFrame verdichten

[guhamail]

Hallo,

ich suche eine Lösung für folgendes Problem:

Ich möchte Werte aus einem DataFrame zusammenschichten.
Aus der Vorgabe soll errechnet werden, wie viel Umsatz jeder Kunde pro Jahr generiert hat.

Code: Alles auswählen

# Vorgabe
df = pd.DataFrame(
	{'Jahr':  [2020, 2020, 2020, 2021, 2021,  2022, 2022, 2022, 2022'], 
	'Kunde`': [100,  200,   400, 100,   100,  200,   400,  400,   400],
	'Umsatz': [150, 50, 200, 300, 100, 500, 800, 100, 100})

#Code....


#Ergebnis
print(df2)

	Jahr		Kunde		Umsatz
0	2020		100		150
1	2021		100		400
2	2022		100		0
3	2020		200		50
4	2021		200		0
5	2022		200		500
6	2020		400		200
7	2021		400		0
8	2022		400		1000			

Wie stelle ich das am besten an?

Vielen Dank für eure Unterstützung.

[karolus]

Hallo
pandas hat eine gute Dokumentation!!

Code: Alles auswählen

df2 = df.groupby(['Jahr','Kunde']).sum()

[__blackjack__]

@guhamail: Die ``# Vorgabe`` ist syntaktisch nicht ganz korrekt. Die Fehler sehen so ein bisschen nach OCR aus. Lehrbuchaufgabe‽

Was hast Du denn schon versucht? Wie viel Umsatz jeder Kunde in den Jahren die jeweils in den Daten angegeben sind, generiert hat, lässt sich sehr einfach ermitteln. Man muss ja nur nach Jahr & Kunde gruppieren und dann aufsummieren. karolus hat's ja schon verraten. Dann vielleicht noch den (Multi)Index wieder zu normalen Spalten machen und die Zeilen nach Kunde sortieren, dann hat man das hier:

Code: Alles auswählen

   Jahr  Kunde  Umsatz
0  2020    100     150
3  2021    100     400
1  2020    200      50
4  2022    200     500
2  2020    400     200
5  2022    400    1000

Die fehlenden Zeilen für die Jahre ohne Angaben sind ein bisschen spannender. Da würde ich solange der Multi-Index noch da ist einen neuen, ”vollständigen” erzeugen. `Multindex.from_product()` ist da hilfreich. Und damit dann Re-Indexieren mit einem Füllwert von 0. (Default wäre NaN.)

[guhamail]

Hallo
pandas hat eine gute Dokumentation!!

Code: Alles auswählen

df2 = df.groupby(['Jahr','Kunde']).sum()

Vielen lieben Dank für den Hinweis. Ich gebe zu, dass ich das aus der Doku hätte raus lesen müssen. Ich tue mir leider immer schwer damit, wenn ich nicht weiß, wonach ich suchen muss.

@guhamail: Die ``# Vorgabe`` ist syntaktisch nicht ganz korrekt. Die Fehler sehen so ein bisschen nach OCR aus. Lehrbuchaufgabe‽

Nein, die Aufgabe entspricht tatsächlich dem wirklichen Leben. Ist auf meiem "Mist" gewachsen.

Da mich die Jahre ohne Umsatz natürlich besonders interessieren, werde ich mich mal mit Multiindex auseinander setzen.

Vielen Dank

[__blackjack__]

Kurz nachdem ich den letzten Beitrag abgeschickt hatte fiel mir noch eine einfachere Lösung ein. Die Zwischenergebnisse sehen so aus:

Code: Alles auswählen

Schritt 1 kennen wir schon:

            Umsatz
Kunde Jahr        
100   2020     150
      2021     400
200   2020      50
      2022     500
400   2020     200
      2022    1000

Schritt 2 ist eine Umformung der Tabelle mit Kunden und Jahren als
Zeilen/Spalten-Indizes und leeren Kombinationen mit einer 0 gefüllt:

      Umsatz           
Jahr    2020 2021  2022
Kunde                  
100      150  400     0
200       50    0   500
400      200    0  1000

Schritt 3 ist einfach die Umkehrfunktion, aber damit haben wir die 0-Werte in den Daten:

            Umsatz
Kunde Jahr        
100   2020     150
      2021     400
      2022       0
200   2020      50
      2021       0
      2022     500
400   2020     200
      2021       0
      2022    1000

Schritt 4 ist vielleicht optional, wenn man den Index wieder als Spalten haben möchte:

   Kunde  Jahr  Umsatz
0    100  2020     150
1    100  2021     400
2    100  2022       0
3    200  2020      50
4    200  2021       0
5    200  2022     500
6    400  2020     200
7    400  2021       0
8    400  2022    1000

Wobei ich, wenn es darum geht, dass ein Mensch sich einen Überblick verschaffen möchte, wohl schon nach Schritt zwei aufhören würde, weil diese ”2D”-Tabelle IMHO sowohl kompakt, als auch gut verständlich ist.

[__blackjack__]

Hier der Einzeiler für die vier Schritte im letzten Beitrag:

Code: Alles auswählen

result = df.groupby(["Kunde", "Jahr"]).sum().unstack(fill_value=0).stack().reset_index()
#        \_________________________________/\____________________/\______/\____________/
#                         1                           2              3          4