Pandas多列复杂聚合：生成订单商品对并统计频次与营收总和

数据集 #

import pandas as pd
from itertools import combinations

d = {'Order_ID': ['001', '001', '002', '003', '003', '003', '004', '004'], 
 'Products': ['Apple', 'Pear', 'Banana', 'Apple', 'Pear', 'Banana', 'Apple', 'Pear'],
 'Revenue': [15, 10, 5, 25, 15, 10, 5, 30]}
df = pd.DataFrame(data=d)

数据集输出：

Order_ID    Products    Revenue
  0   001        Apple        15
  1   001        Pear         10
  2   002        Banana       5
  3   003        Apple        25
  4   003        Pear         15
  5   003        Banana       10
  6   004        Apple        5
  7   004        Pear         30

目标输出 #

需要统计所有交易中商品组合对的出现频次及对应营收总和，目标结果如下：

d = {'Groups': ['(Apple, Pear)', '(Banana, Apple)', '(Banana, Pear)'], 
 'Frequency': [3, 1, 1],
 'Revenue': [100, 35, 40]}
df2 = pd.DataFrame(data=d)

输出展示：

Groups         Frequency    Revenue
0  (Apple, Pear)      3          100
1  (Banana, Apple)    1           35
2  (Banana, Pear)     1           40

现有代码问题 #

已实现获取商品组合对及其频次，但无法同时统计营收：

def find_pairs(x):
  return pd.Series(list(combinations(set(x), 2)))

df_group = df.groupby('Order_ID')['Products'].apply(find_pairs).value_counts()
df_group

需要实现：生成商品组合对后，按组合对分组，累加对应商品的营收总和。

解决方案 #

可以通过以下步骤实现：

• 按Order_ID分组，同时保留Products和Revenue信息
• 对每个订单生成商品组合对，并计算该组合对对应商品的营收之和
• 最后按组合对分组，统计频次和营收总和

完整代码：

import pandas as pd
from itertools import combinations

d = {'Order_ID': ['001', '001', '002', '003', '003', '003', '004', '004'], 
 'Products': ['Apple', 'Pear', 'Banana', 'Apple', 'Pear', 'Banana', 'Apple', 'Pear'],
 'Revenue': [15, 10, 5, 25, 15, 10, 5, 30]}
df = pd.DataFrame(data=d)

def process_order(group):
    # 获取当前订单的商品列表和对应营收
    products = group['Products'].tolist()
    revenues = group['Revenue'].tolist()
    # 生成商品组合对并去重
    pairs = list(set(combinations(products, 2)))
    # 计算每个组合对的营收总和
    pair_revenues = []
    for pair in pairs:
        rev_sum = revenues[products.index(pair[0])] + revenues[products.index(pair[1])]
        pair_revenues.append(rev_sum)
    # 返回组合对与对应营收的DataFrame
    return pd.DataFrame({
        'Groups': [str(pair) for pair in pairs],
        'Revenue': pair_revenues
    })

# 按订单分组处理并合并结果
result_df = df.groupby('Order_ID').apply(process_order).reset_index(drop=True)

# 统计每个组合对的频次与总营收
final_df = result_df.groupby('Groups').agg(
    Frequency=('Groups', 'count'),
    Revenue=('Revenue', 'sum')
).reset_index()

# 调整列顺序匹配目标输出
final_df = final_df[['Groups', 'Frequency', 'Revenue']]
print(final_df)

运行结果：

Groups  Frequency  Revenue
0  (Apple, Pear)          3      100
1  (Banana, Apple)        1       35
2  (Banana, Pear)         1       40

代码说明 #

• process_order函数处理单个订单：生成不重复的商品组合对，计算每个组合对的营收（组合内两个商品的营收相加）
• 先按订单分组处理所有交易，再对组合对二次分组，统计频次（组合对出现的订单数）和总营收
• 使用set(pairs)避免同一订单内重复统计相同组合对

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