Pandas新手求指导：按客户分组统计金额Top2部门及交易频次

嘿，刚上手Pandas和groupby的话，这个需求其实可以一步步拆解来实现，完全用你提到的groupby、sum、sort和转置类操作搞定～先理清楚思路，再上代码：

第一步：准备测试数据 #

先把你给出的原始数据转换成可直接操作的Pandas DataFrame：

import pandas as pd

# 原始数据
data = {
    'Cus_No': [111, 111, 111, 111, 111, 111, 111, 222, 222, 222, 222, 222, 222, 222],
    'Date': ['6-Jun-18', '6-Jun-18', '8-Jun-18', '8-Aug-18', '12-Dec-18', '15-Feb-17', '18-Jan-18',
             '6-Jun-18', '6-Jun-18', '8-Jun-18', '8-Aug-18', '12-Dec-18', '15-Feb-17', '18-Jan-18'],
    'Dprtmnt': ['AAA', 'AAA', 'BBB', 'CCC', 'BBB', 'AAA', 'AAA', 'DDD', 'AAA', 'AAA', 'DDD', 'AAA', 'CCC', 'CCC'],
    'Amount': [100, 50, 125, 130, 200, 10, 20, 100, 50, 125, 130, 200, 10, 20]
}

df = pd.DataFrame(data)

第二步：计算每个客户+部门的总金额和交易频次 #

用groupby按客户和部门分组，分别统计金额总和（sum）和交易次数（统计Date的数量，即count）：

# 分组聚合：总金额Sum，交易频次Frqnc
grouped = df.groupby(['Cus_No', 'Dprtmnt']).agg(
    Sum=('Amount', 'sum'),
    Frqnc=('Date', 'count')
).reset_index()

这一步后，每个客户的每个部门都有了对应的总金额和交易次数。

第三步：按总金额降序排序，取前两大部门 #

对每个客户的分组按Sum降序排列，再提取每个客户的前2条数据：

# 按客户分组，内部按总金额从高到低排序
sorted_groups = grouped.groupby('Cus_No').apply(
    lambda x: x.sort_values('Sum', ascending=False)
).reset_index(drop=True)

# 取每个客户的前两大部门
top2 = sorted_groups.groupby('Cus_No').head(2)

第四步：转置重塑成期望的列结构 #

用unstack实现转置，再调整列名到你想要的格式：

# 给每个客户的部门添加排名标记（Top1、Top2）
top2['rank'] = top2.groupby('Cus_No').cumcount() + 1

# 转置：把排名转成列
result = top2.set_index(['Cus_No', 'rank']).unstack()

# 合并层级索引，改成目标列名格式
result.columns = [f'Top{rank}{col}' for col, rank in result.columns]

# 重置索引，让Cus_No变回普通列
result = result.reset_index()

最终结果 #

运行完代码后，result就会和你期望的输出完全一致：

Cus_No Top1Dprtmnt  Top1Sum  Top1Frqnc Top2Dprtmnt  Top2Sum  Top2Frqnc
0     111         BBB      325          2         AAA      180          4
1     222         AAA      375          3         DDD      230          2

整个流程完全用到了你要求的groupby、sum、sort以及转置操作（unstack属于转置类操作），每一步都很清晰，适合新手理解～

内容的提问来源于stack exchange，提问作者Danish