查找用户选择的第一个唯一项目，并按日期按用户选择的顺序对它们进行排名

Question

我试图在下面创建的数据框中的简化示例数据框中仅识别 "test" 客户购买的独特 "items" 的第一笔订单：

df=pd.DataFrame({"cust": ['A55', 'A55', 'A55', 'B080', 'B080', 'D900', 'D900', 'D900', 'D900', 'C019', 'C019', 'Z09c', 'A987', 'A987', 'A987'],
    "date":['01/11/2016', '01/11/2016', '01/11/2016', '08/17/2016', '6/17/2016','03/01/2016',
           '04/30/2016', '05/16/2016','09/27/2016', '04/20/2016','04/29/2016', '07/07/2016', '1/29/2016', '10/17/2016', '11/11/2016' ],
    "item": ['A10BABA', 'A10BABA', 'A10DBDB', 'A9GABA', 'A11AD', 'G198A', 'G198A', 'F673', 'A11BB', 'CBA1', 'CBA1', 'DA21',
            'BG10A', 'CG10BA', 'BG10A']
})

df.date = pd.to_datetime(df.date)

df = df.sort_values(["cust", "date"], ascending = True)

所需的输出将如图所示 - 所有唯一商品均按购买日期排序在名为 "cust_item_rank" 的新列中，并删除同一用户对同一商品的任何重复（重复）订单。

为了进一步说明，同一用户在同一日期购买的那些商品应该具有相同的 order/rank，如图中客户 A55 所示（A10BABA 和 A10DBDB 排名为 1）。

我已经花了相当多的时间使用分组 and/or 排名操作的组合，但到目前为止没有成功。例如：

df["cust_item_rank"] = df.groupby("cust")["date"]["item"].rank(ascending = 1, method = "min")

产生错误（异常：已选择列日期）。

有人可以在这里指导我找到所需的解决方案吗？

Answer 1

# Remove duplicates
df2 = (df.loc[~df.groupby(['cust'])['item'].apply(pd.Series.duplicated)]
         .reset_index(drop=True))
df2['cust_item_rank'] = df2.groupby('cust').cumcount().add(1)

df2
    cust       date     item  cust_item_rank
0    A55 2016-01-11  A10BABA               1
1    A55 2016-11-01  A10DBDB               2
2   A987 2016-01-29    BG10A               1
3   A987 2016-10-17   CG10BA               2
4   B080 2016-06-17    A11AD               1
5   B080 2016-08-17   A9GABA               2
6   C019 2016-04-20     CBA1               1
7   D900 2016-03-01    G198A               1
8   D900 2016-05-16     F673               2
9   D900 2016-09-27    A11BB               3
10  Z09c 2016-07-07     DA21               1

Answer 2

为了解决这个问题，我在 cs95 的优秀初始答案的基础上构建了 pandas 中的排名函数，如下所示：

#remove duplicates as recommended by cs95
df2 = (df.loc[~df.groupby(['cust'])['item'].apply(pd.Series.duplicated)]
         .reset_index(drop=True))

#rank by date afer grouping by customer
df2["cust_item_rank"]= df2.groupby(["cust"])["date"].rank(ascending=1,method='dense').astype(int)

这导致了以下结果（期望的输出）：

似乎使用 "min" 或 "dense" 排名方法解决了这个问题，但我选择了后者 "dense" 方法以避免跳过任何排名。

查找用户选择的第一个唯一项目，并按日期按用户选择的顺序对它们进行排名

find first unique items selected by user and ranking them in order of user selection by date

python

group-by

rank

dataframe

pandas