如何基于原始数据用Python生成按customer_id分组的交易DataFrame

需求参考样例 #

原始数据格式示例：

预期输出的按customer_id分组后的交易DataFrame示例：

实现方案 #

使用Python的pandas库即可快速实现该转换，操作步骤和代码如下：

• 首先导入pandas库，读取原始数据为DataFrame对象
• 通过groupby按customer_id分组，配合agg聚合方法完成格式转换

import pandas as pd

# 读取原始数据，可根据你的文件格式替换为read_excel、read_json等方法
raw_df = pd.read_csv("你的原始数据文件路径.csv")

# 核心转换逻辑：按customer_id分组，其余字段聚合为列表
grouped_df = raw_df.groupby('customer_id', as_index=False).agg(list)

# 若需要自定义聚合规则（新增统计指标、调整输出格式），可参考下方写法：
# grouped_df = raw_df.groupby('customer_id', as_index=False).agg(
#     交易日期序列 = ('trade_date', list),
#     交易金额序列 = ('trade_amount', list),
#     总交易笔数 = ('trade_id', 'count'),
#     累计消费金额 = ('trade_amount', 'sum')
# )

# 输出/保存结果
print(grouped_df)
grouped_df.to_csv("按用户分组交易数据.csv", index=False)

补充说明 #

如果你需要将聚合后的列表转为逗号分隔的字符串，只需将聚合函数list替换为lambda x: ','.join(x.astype(str))即可。

内容的提问来源于stack exchange，提问作者nisawaras