如何用pandas按订单分组统计实际使用的折扣码总数量
场景说明
现有基于给定字典构建的pandas DataFrame df 具备以下特征:
- 表内每行对应1件商品,总行数共6408条
- 按
order_number字段分组计算后,全表共有3560个唯一订单 disc_code字段取值为no_discount时,代表对应商品未使用任何折扣码;其余取值为商品绑定的实际折扣码- 核心统计目标:统计所有实际被使用的折扣码总数量——统计口径为每笔订单最多计1次折扣使用,避免因为同一订单下多件商品绑定同一折扣码造成重复计数
注:你提供的参考SQL存在语法语序问题,
WHERE子句需要放置在GROUP BY子句之前,其原本想要表达的统计逻辑为:过滤掉未使用折扣的商品记录后,按订单维度统计有折扣的订单总数。
对应pandas实现方案
统计时需要注意:不能直接对disc_code != 'no_discount'的行做总数统计,否则会因为同一订单下多件商品绑定同一折扣码造成重复计数,和订单维度的统计口径要求不符。
- 方法1:过滤+去重计数(逻辑最贴近参考SQL的表达)
代码逻辑:先过滤掉所有未使用折扣的记录,再对订单号做去重后统计总数
针对样例测试数据的计算验证:给定的样例数据中,discount_used_count = df.loc[df['disc_code'] != 'no_discount', 'order_number'].nunique()#2(绑定superman折扣)、#3(绑定hero折扣)、#4(绑定numero_uno折扣,2件商品同属一个订单)三个订单满足统计条件,最终计数结果为3,和实际的折扣使用订单数完全匹配。 - 方法2:分组聚合判断(适配更多拓展统计场景)
代码逻辑:按订单号分组,判断每个订单下是否存在任意绑定了非no_discount折扣码的商品,再对满足条件的订单做计数
该方法的优势是:即使同一订单下部分商品使用折扣、部分商品无折扣,也能准确识别该订单的折扣使用状态,不会因为存在无折扣的商品行造成统计漏算。# 按订单维度判断是否使用过折扣 order_discount_flag = df.groupby('order_number')['disc_code'].apply( lambda discount_list: (discount_list != 'no_discount').any() ) discount_used_count = order_discount_flag.sum()
内容的提问来源于stack exchange,提问作者Luc
相关产品推荐
相关产品推荐

