如何很好地编写长熊猫聚合？ - python

TL; DR

如何编写涉及许多操作(如groupby()，unstack()或apply()的长聚合)？

例

假设您有一个DataFrame()带有n_sales = 1000个不同活动的门票销售，例如

import pandas as pd
import numpy as np

sales = pd.DataFrame({
    'Event': np.random.choice(range(n_events), n_sales), 
    'Time': np.random.rand(n_sales)})

并且您想知道当晚至少售出了n_events = 10张门票的事件数量:

那我会做

accumulation_of_sales = sales.groupby(['Time', 'Event']).size().unstack().fillna(0).cumsum()
events_with_n_sales = accumulation_of_sales.apply(lambda x: x.value_counts(), axis=1).fillna(0)
events_with_geq_n_sales = events_with_n_sales[events_with_n_sales.columns[::-1]].cumsum(axis=1)

events_with_geq_n_sales[n].plot()

这对我来说似乎很难读懂，而且原则上讲这些行太长了(请参阅PEP)。所以，

如何最好地执行此特定和类似的操作？
有一些针对初学者的教程/样式指南/ ...吗？也许不是特别针对熊猫，而是类似的语言？

python大神给出的解决方案

编写多行熊猫查询的一种方法是使用:

accumulation_of_sales = sales.groupby(['Time', 'Event'])\
                             .size()\
                             .unstack()\
                             .fillna(0)\
                             .cumsum()

有时我宁愿将这些用括号括起来。

但是，如果您在此处执行多项操作，通常会有一种更简单的方法。例如，每当看到“ groupby + unstack”时，您都应该想到“ pivot_table”:

sales.pivot_table(columns='Event', index='Time', aggfunc=len, fill_value=0).cumsum()

(这是等效的，效率更高，可读性更好。)