I have a dataframe in the following format:
import pandas as pd
d1 = {'ID': ['A','A','A','B','B','B','B','B','C'],
'Time':
['1/18/2016','2/17/2016','2/16/2016','1/15/2016','2/14/2016','2/13/2016',
'1/12/2016','2/9/2016','1/11/2016'],
'Product_ID': ['2','1','1','1','1','2','1','2','2'],
'Var_1': [0.11,0.22,0.09,0.07,0.4,0.51,0.36,0.54,0.19],
'Var_2': [1,0,1,0,1,0,1,0,1],
'Var_3': ['1','1','1','1','0','1','1','0','0']}
df1 = pd.DataFrame(d1)
其中df1的形式为:
ID Time Product_ID Var_1 Var_2 Var_3
A 1/18/2016 2 0.11 1 1
A 2/17/2016 1 0.22 0 1
A 2/16/2016 1 0.09 1 1
B 1/15/2016 1 0.07 0 1
B 2/14/2016 1 0.4 1 0
B 2/13/2016 2 0.51 0 1
B 1/12/2016 1 0.36 1 1
B 2/9/2016 2 0.54 0 0
C 1/11/2016 2 0.19 1 0
时间格式为'MM/DD/YY'。
我需要做的是:
1)我想按时间(特别是每个月)分组ID和产品ID。
2)然后,我想进行以下列操作。
a)首先,我想找到Var_2和Var_3列的总和,并
b)找到Var_1列的平均值。
3)然后,我想为每个月创建一个ID和Product_ID的计数列。
4)最后,我还想输入没有条目的项目ID和Product ID。
例如,对于ID = A和Product ID = 1,时间=2016-1(2016年1月),没有观测数据,因此所有变量的值都为0。
同样,对于ID = A和Product ID = 1,时间=2016-2(2016年2月),
Var_1 =(.22 + .09)/ 2 = 0.155
Var_2 = 1,
Var_3 = 1 + 1 = 2
最后计数 = 2。
这是我想要的输出结果。
ID Product_ID Time Var_1 Var_2 Var_3 Count
A 1 2016-1 0 0 0 0
A 1 2016-2 0.155 1 2 2
B 1 2016-1 0.215 1 1 2
B 1 2016-2 1 0.4 0 1
C 1 2016-1 0 0 0 0
C 1 2016-2 0 0 0 0
A 2 2016-1 0.11 1 1 1
A 2 2016-2 0 0 0 0
B 2 2016-1 0 0 0 0
B 2 2016-2 0.455 1 2 2
C 2 2016-1 0.19 1 0 1
C 2 2016-2 0 0 0 0
这超出了我的编程能力范畴(我知道groupby函数的存在,但我无法想出如何将其与其他更改整合起来)。如果您有疑问,请告诉我。
非常感谢您的任何帮助。