基于销量峰值周的Group by分组周距计算及新变量生成需求

我来帮你搞定这个数据集处理需求，用Python的Pandas库就能完美实现，完全贴合你给出的规则。下面是具体的步骤和代码示例：

需求回顾 #

• 按Id字段对数据集分组
• 每个分组内，找到销量最高的那一周（峰值周）
• 生成新变量output：峰值周的值为0，其他周的值为该周与峰值周的间隔绝对值（比如峰值周是第3周，第2周就是1，第5周就是2，以此类推）

代码实现 #

首先我们先构造你提供的样例数据，然后执行分组计算：

import pandas as pd

# 构建样例数据集
sample_data = {
    'Id': ['ppr5007288231'] * 8 + ['ppr5007288232'] * 3,
    'week': [1, 2, 3, 4, 5, 6, 7, 8, 1, 2, 3],
    'sales': [3750.84, 4562.75, 12649.65, 4926.81, 5226.09, 6672.11, 6833.04, 6759.29, 7021.55, 9031.93, 6240.72]
}
df = pd.DataFrame(sample_data)

# 定义分组处理函数
def compute_peak_distance(group):
    # 找到分组内销量最高的周（若多个周销量相同，取第一个出现的峰值周）
    peak_week = group.loc[group['sales'].idxmax(), 'week']
    # 计算每个周与峰值周的间隔绝对值
    group['output'] = abs(group['week'] - peak_week)
    return group

# 按ID分组应用函数，重置索引
result_df = df.groupby('Id').apply(compute_peak_distance).reset_index(drop=True)

print(result_df)

结果验证 #

运行代码后得到的result_df和你给出的样例输出完全一致：

扩展说明 #

如果你的数据集存在多个峰值周（即同一个分组内有多个周的销量同为最大值），当前代码会取第一个出现的峰值周作为基准。如果需要调整逻辑（比如取所有峰值周的平均值作为基准，或者计算每个周到最近峰值周的距离），可以修改compute_peak_distance函数：

# 示例：计算到最近峰值周的距离
def compute_nearest_peak_distance(group):
    # 获取所有峰值周的列表
    peak_weeks = group[group['sales'] == group['sales'].max()]['week'].tolist()
    # 计算每个周到最近峰值周的距离
    group['output'] = group['week'].apply(lambda x: min(abs(x - pw) for pw in peak_weeks))
    return group

内容的提问来源于stack exchange，提问作者Amit