基于客户与月份条件在Pandas中计算time_spent_ratio

我来帮你实现这个需求，核心思路是先把同一月份、同一用户的手机和平板时长放在同一行，然后直接做除法运算即可。

步骤1：构造示例数据（模拟你的主表） #

首先我们先把你提供的主表数据转换成Pandas DataFrame：

import pandas as pd

# 模拟你的主表数据
data = {
    'date_month': ['01-01-19', '01-01-19', '01-02-19', '01-02-19', '01-03-19', '01-03-19'],
    'customer_id': [2, 2, 2, 2, 2, 2],
    'device_name': ['phone', 'tablet', 'phone', 'tablet', 'phone', 'tablet'],
    'time_spent': [140, 232, 159, 210, 193, 190]
}

df = pd.DataFrame(data)

步骤2：重塑数据并计算比值 #

这里推荐使用pivot_table方法，它能快速把device_name的不同类别（phone/tablet）转为列，让我们可以直接做除法：

# 重塑数据：将date_month和customer_id作为索引，device_name转为列，值为time_spent
pivoted_df = df.pivot_table(
    index=['date_month', 'customer_id'],
    columns='device_name',
    values='time_spent',
    aggfunc='sum'  # 若同一设备有多个记录，sum会自动合并时长；如果只有单条记录，用first也可以
).reset_index()

# 计算手机/平板的时长比值，可根据需求调整小数位数
pivoted_df['time_spent_ratio'] = (pivoted_df['phone'] / pivoted_df['tablet']).round(4)

# 提取目标列，得到最终结果
final_result = pivoted_df[['date_month', 'customer_id', 'time_spent_ratio']]

print(final_result)

输出结果 #

运行上述代码后，你会得到和期望高度匹配的输出：

date_month  customer_id  time_spent_ratio
0    01-01-19             2            0.6034
1    01-02-19             2            0.7571
2    01-03-19             2            1.0158

（注：如果需要和你期望的小数位数完全一致，比如前两位保留3位小数，最后一位保留4位，可以单独处理，或者直接调整round()的参数）

另一种实现方式（groupby + unstack） #

如果你更习惯用groupby，也可以这样写：

# 按月份、用户、设备分组求和，再将设备转为列
grouped_df = df.groupby(['date_month', 'customer_id', 'device_name'])['time_spent'].sum().unstack('device_name').reset_index()

# 计算比值
grouped_df['time_spent_ratio'] = grouped_df['phone'] / grouped_df['tablet']

# 提取目标列
final_result = grouped_df[['date_month', 'customer_id', 'time_spent_ratio']].round(4)

这个逻辑和pivot_table是一致的，两种方法都能实现你的需求，你可以根据自己的习惯选择。

内容的提问来源于stack exchange，提问作者user12625679