Python Pandas：计算交易数及多尺码交易数的问题求助

问题描述 #

使用Pandas处理包含WEBSHOP_ORDER、CLASS、USIM、USIM_DESC、SIZE、DEMAND_QTY列的DataFrame，需针对指定USIM计算两项指标：

• Transaction_Count：每个USIM对应的唯一WEBSHOP_ORDER数量
• transaction_with_Multiple_Sizes：每个USIM中包含多种SIZE的WEBSHOP_ORDER数量

原代码中transaction_with_Multiple_Sizes的计算逻辑错误，导致结果数值超过Transaction_Count，不符合逻辑。

原代码错误分析 #

原代码中使用lambda x: (x.duplicated() & x.notna()).sum()统计重复的USIM值，这完全偏离需求——我们需要的是同一USIM下，单个订单包含多种尺码的数量，而非USIM的重复次数。

修正方案 #

正确计算需分两步：

1. 先按USIM和WEBSHOP_ORDER分组，统计每个订单对应的唯一尺码数量
2. 筛选出尺码数量大于1的订单，再按USIM分组统计这些订单的数量，同时计算总唯一订单数

修正后的完整代码 #

import pandas as pd
import numpy as np

# 定义目标USIM列表
usims_of_interest = [2199603, 2199608, 2199611, 2199641, 2199642, 2199682, 2199692, 2199697, 2200982]

# 生成随机测试数据
np.random.seed(0)
size_choices = ['Small', 'Medium', 'Large']
df = pd.DataFrame({
    'WEBSHOP_ORDER': np.random.randint(1, 10001, 10000),
    'CLASS': np.random.choice(['A', 'B', 'C'], 10000),
    'USIM': np.random.choice(usims_of_interest, 10000),
    'USIM_DESC': ['Product {}'.format(i) for i in np.random.randint(1, 10001, 10000)],
    'SIZE': np.random.choice(size_choices, 10000),
    'DEMAND_QTY': np.random.randint(1, 10, 10000)
})

# 筛选目标USIM数据
filtered_df = df[df['USIM'].isin(usims_of_interest)]

# 第一步：按USIM+WEBSHOP_ORDER分组，统计每个订单的唯一尺码数
order_size_count = filtered_df.groupby(['USIM', 'WEBSHOP_ORDER'])['SIZE'].nunique().reset_index(name='Size_Count')

# 第二步：按USIM分组，计算两个指标
result = order_size_count.groupby('USIM').agg(
    Transaction_Count=('WEBSHOP_ORDER', 'nunique'),
    transaction_with_Multiple_Sizes=('Size_Count', lambda x: (x > 1).sum())
).reset_index()

print(result)

代码解释 #

• 第一步分组统计SIZE的唯一值数量，直接判断每个订单是否包含多种尺码
• 第二步通过(x > 1).sum()统计尺码数大于1的订单数量，确保结果不会超过Transaction_Count
• 保留原需求中筛选指定USIM的逻辑，同时修正核心计算错误

内容的提问来源于stack exchange，提问作者sdave