You need to enable JavaScript to run this app. Pandas按ID和年度分组时如何补全各客户ID的缺失年份聚合行
优惠活动
大模型
产品
解决方案
定价
更多

Pandas按ID和年度分组时如何补全各客户ID的缺失年份聚合行

实现方案

核心逻辑是pandas的groupby默认仅返回存在交易记录的「客户-年份」分组组合,要实现全量覆盖,需要先构造所有客户和目标年份的全量交叉基准表,再匹配聚合后的销售额即可,具体步骤如下:

步骤1:修正原有代码的基础问题

最初的筛选代码存在变量名错误、语法缺失的问题,先修正为:

# 先筛选目标年份的有效交易数据(原代码漏写了右括号、字段名写错)
filtered_invoices = invoices[invoices['invoice_year'].isin([2018,2019,2020])].copy()

步骤2:生成全量客户-年份基准表

提取所有需要覆盖的客户ID和目标年份,做笛卡尔积交叉,得到包含所有待输出行的基础框架:

# 配置参数:目标统计年份、所有需要覆盖的客户ID(可替换为自定义的客户列表)
target_years = [2018, 2019, 2020]
all_customer_ids = invoices['id'].unique()

# 生成全量交叉组合,得到只有id、invoice_year两个字段的基准表
base_frame = pd.MultiIndex.from_product(
    [all_customer_ids, target_years],
    names=['id', 'invoice_year']
).to_frame(index=False)

步骤3:聚合交易数据并匹配到基准表

先按客户、年份聚合销售额,再用左连接的方式把销售额匹配到基准表上,没有交易记录的行的销售额会自动填充为NaN:

# 按客户、年度聚合销售额
agg_sales = filtered_invoices.groupby(
    ['id', 'invoice_year'], as_index=False
)['sales'].sum()

# 左连接匹配销售额,无交易的行sales自动为NaN
final_result = base_frame.merge(
    agg_sales,
    on=['id', 'invoice_year'],
    how='left'
).sort_values(['id', 'invoice_year']).reset_index(drop=True)

补充说明

  • 如果原始数据没有预先生成invoice_year字段,需要从invoice_date提取的话,可以在聚合前加一行:
# 从交易日期提取年份,适配分组逻辑
filtered_invoices['invoice_year'] = filtered_invoices['invoice_date'].dt.year
  • 如果偏好沿用最初的pd.Grouper时间分组写法,可以把聚合步骤替换为:
# 按年度时间分组(pandas 2.0+版本请把freq='Y'改为freq='YE')
agg_sales = filtered_invoices.groupby(
    ['id', pd.Grouper(key='invoice_date', freq='Y')]
)['sales'].sum().reset_index()
# 把时间分组的年末日期转成年份数值,方便匹配基准表
agg_sales['invoice_year'] = agg_sales['invoice_date'].dt.year
# 删除多余的日期列
agg_sales = agg_sales.drop(columns=['invoice_date'])

内容的提问来源于stack exchange,提问作者WolVes

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.14 02:27:04