七步搞定一个综合案例,掌握pandas进阶用法!

Pandas多维聚合实战:金融风控中的groupby高阶用法 在数据分析实践中,groupby远不止基础分组求和——它本质是面向业务语义的多维指标生成引擎。其核心原理在于一次分组、多路聚合,通过列级字典式agg、命名化自定义函数、时间感知滚动窗口及多级索引unstack等技术组合,实现对交易波动性、用户生命周期价值、风险指标矩阵等复杂场景的高效建模。该能力直接支撑银行实时反欺诈、支付平台动态定价、零售企业交叉分析等关键系统,是数据工程师与分析师在生产环境中必须掌握的工程化聚合范式。 阅读详情

案例引入

现有一批销售数据,如下图所示:

每个城市会销售各种各样的产品,现在想要统计每个城市各个子类别中,累计销售数量筛选出每个城市每个子类别中销量占比top 50%的至多3个产品。如果销量排名前3种的产品未超过50%,则取Top3,如果超过50%,则取刚好大于50%的Top产品。输出的结果为3列,分别为城市,子类别,产品列表(逗号隔开)。如下图所示,①处有3种产品,是【上海-收纳具】销量Top3的产品,其销售数量占比超过50%(或未达50%但已达到Top3,虽然这里后两个产品都是文件夹,但观察原始数据会发现,这是两种不同的文件夹);②处有两件商品,说明【上海-桌子】中木桌,电脑桌销量已超桌子的50%。

案例浅析

虽然在表述上有些绕,但其实需求还是比较明确的。仔细分析,从业务逻辑上,这里需要用到pandas的如下技巧。文件读取-->分组求和-->分组排序-->计算各组累计百分比-->取Top3(需要与50%作比较)-->分组取列表-->文件保存。从具体实现上,可能还有其他处理技巧,如数据拼接(merge)等。下面结合代码进行讲解。

案例解答

0.必要包导入

正式开始前,需要引入相关包,主要是pandas。为过滤异常,这里也引入了warnings包。

import pandas as pd
import warnings
warnings.filterwarnings('ignore')

1.数据读取

读文件是数据处理的第一步,pandas提供了read_xxx系列函数,本次用到的是excel格式,因此使用read_excel即可,读取成功后,用head查看数据样例。

data = pd.read_excel('data.xlsx')#读取数据文件
data.head()#查看样例

可以看到原始数据的列名为中文格式,为便于后续处理,我们统一改为英文,采用列名直接赋值的方式,如下面代码。

# 直接赋值修改列名
data.columns=['id', 'order_id', 'city', 'cate', 'sub_cate', 'prod_name', 'sale_amt', 'amt']
data.head()

注意到prod_name包含的信息较多,逗号前是英文和中文名称,逗号后是一些补充信息,我们使用split把它分隔开,因为分割出来是两个字段,所以要写成下面的形式,注意最后要加上str。

data['prod_full_name'], data['remark'] = data['prod_name'].str.split(',').str
data.head(10)

最后,我们可以筛选一些最终会用到的列,用于后面的处理。

#列子集筛选
data_new = data[['city', 'sub_cate', 'prod_full_name', 'amt']]
data_new.head()

2.分组聚合

按照需求,需要计算每个城市每个子类别下产品的销售总量,因此需要按照city和sub_cate分组,并对amt求和。为计算占比,求得的和还需要和原始数据合在一块作为新的一列。这里有两种方式,可以先分组求和,再与原数据进行merge,也可以使用分组transform一步到位,在前面的文章Pandas tricks 之 transform的用法一文中有详细的讲解。这里采用第二种方式。计算的结果作为新的一列amt_sum添加到原数据上。

#分组求和并用transform与原数据合并
amt_sum = data_new.groupby(['city', 'sub_cate'])['amt'].transform('sum')
data_new['amt_sum'] = amt_sum
data_new.head(10)

为了验证结果,我们取出city='杭州',sub_cate='用品'的所有样本进行查看,这里用到了pandas多条件筛选数据操作。

#多条件筛选,用&连接
data_new[(data_new['sub_cate']=='用品') & (data_new['city'] == '杭州')]

可以看到所有杭州,用品的销售总量为18,和我们的计算结果一致。

3.分组排序

由于我们最终需要取排序Top3(或top50%)的产品,因此需要在各组内先按照销售量降序排列,再计算百分比,最后求累计百分比。也可以先计算每个产品各自的占比,再排序之后求累计百分比。这里也采用第二种方式。

#计算占比:
data_new['pct'] = data_new['amt'] / data_new['amt_sum']
data_new.head(10)

各组内按销售数量(或百分比)做降序。这里的排序有两个层次的含义,第一种是组内实际顺序不变,只给一个排序编号。代码如下所示,method=first是保证序号是连续且唯一的。

data_new['group_rank'] = data_new.groupby(['city', 'sub_cate'])['amt'].rank(method='first', ascending=False)
data_new.head(10)

同样来看一下city='杭州',sub_cate='用品'的结果,如下图所示,可以看到已经数量最多的编号为1,数量最少的编号为5,给出的序号并不是严格降序或升序的,说明数据的实际顺序并没有改变。

第二种是排序之后,改变数据的实际顺序。我们使用lambda函数实现:对每个分组按照上一步生成的rank值,升序排列。

data_sorted = data_new.groupby(['city', 'sub_cate']).apply(lambda x: x.sort_values('group_rank', ascending=True)).reset_index(drop=True)
data_sorted.head(10)

结果如上图,这样销量占比最高的产品就会出现在每组的第一行。同样看一下city='杭州',sub_cate='用品'的结果,发现amt,pct是降序的,group_rank是升序的。

4.求累计占比

前一步之所以要改变数据的顺序,就是为了在这里算累计占比时,可以直接累加。我们需要对pct列求累计值,最终用来与目标值50%作比较。注意同样是在每组内进行,需要用cumsum函数求累计和。

#分组并用cumsum计算累计占比
data_sorted['cum_pct'] = data_sorted.groupby(['city', 'sub_cate'])['pct'].cumsum()
data_sorted.head(10)

再来看一下city='杭州',sub_cate='用品'的结果。

可以看到最后一列cum_pct已经按照pct列计算了累计百分比。其中累计到第二行的时候已经达到了61.1%,超过了50%,因此最终只需取前两行即可。

5.目标筛选

经过了前面的数据准备,在这一步需要在每组内,筛选累计值达到50%的行,且最多三行。这里需要对每组内按行进行遍历,用到了iterrows函数,并判断cum_pct与50%,group_rank与3的关系。我们自定义一个函数来实现。

def get_top_50_pct_rank(group_data, num=3, target=0.5):
    res = -1
    for index, grp in group_data.iterrows():
        if grp['group_rank'] <= num and grp['cum_pct'] >= target:
            res = grp['group_rank']
            break
        if grp['cum_pct'] < target and grp['group_rank'] == num:
            res = num
            break
    return res

调用该函数之后,对每个组能得到符合条件的目标group_rank值,如下面代码和图片所示:

data_target_rank = data_sorted.groupby(['city', 'sub_cate']).apply(get_top_50_pct_rank).reset_index()
data_target_rank.head()

上图第三列就是我们需要的目标group_rank值,注意先要把默认的名字改过来,并将此结果与原始数据做一个合并。在此基础上,就可以将每组内不超过目标group_rank值的行筛选出来。

#rename改名
data_target_rank.rename(columns={0: 'target_get'}, inplace=True)
#与原始数据merge
merge_data = pd.merge(data_sorted, data_target_rank,on=['city', 'sub_cate'], how='left')
#筛选最终结果
result_data = merge_data[merge_data['group_rank'] <= merge_data['target_get']]
result_data.head()

还是看一下city='杭州',sub_cate='用品'的最终结果:

可以看出,该组内最初有5行数据,筛选后剩下两行,且销售量占比超过50%,至此需求已基本实现。

6.分组拼接

在上一步筛选出了目标行,未达到最终目标,还需将每个分组内所有符合条件的产品名称拼接起来,并用逗号隔开。这里采用分组对字符串求和的方式来实现。先在每个产品后面拼上一个逗号,然后“求和”,最后把末尾的逗号去掉。代码如下:

#给每一个产品名称末尾拼接一个逗号
result_data['prod_full_name'] = result_data['prod_full_name'].apply(lambda x: x + ',')
result_data.head()

#用求和的方式实现对产品名称进行拼接
result = result_data.groupby(['city', 'sub_cate'])['prod_full_name'].sum().reset_index()
#去掉最末尾的逗号
result['prod_full_name'] = result['prod_full_name'].apply(lambda x: x[:-1])

result就是我们想要的目标dataframe。最终的city='杭州',sub_cate='用品'的结果如下。

7.保存文件

将上一步得到的result保存成Excel,即可得到文中开头截图的结果,使用to_excel方法,指定文件名,忽略索引即可。

result.to_excel('result.xlsx', index=None)
小结

本文使用pandas,通过7个步骤实现了一个综合案例:筛选出每个城市每个子类别中销量占比top 50%的至多3个产品。涉及到的操作依次有:数据读取,列名修改,字段分割,列子集筛选;分组求和(transform);分组排序(编号),分组排序;累计求和;按行迭代,数据拼接,条件筛选,分组拼接,apply/lambda函数;保存文件等。有一些是核心操作,有一些只是辅助。可以用下图来总结,带有五角星的是核心操作,其余是辅助操作,叶子节点是用到的函数。

027—pandas 不同分类每天指定取值的比例 以上就是今天要讲的内容,本文仅仅简单介绍了pandas的使用,而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。 阅读详情

相关推荐

Pandas求百分比:单列、多列、格式化

先用sum()求出一列的总和,然后用两种方法分别求出百分比。一种是直接除,另一种用apply,应用到每一列。另外还用到了format来格式化,带上百分号。

小龙在线 775

pandas 计算累计和及累计占比

累计和:cumsum() 总量累计:sum() 累计占比:selectgroup[‘CellMRCount’].cumsum()/selectgroup[‘CellMRCount’].sum()

cuisidong1997的博客 2576

别再只盯着meta包了!盘点R语言中7个元分析工具包的特色与适用场景

本文深入评测了R语言中7个主流元分析工具包(meta、metafor、netmeta、mada、mvmeta、metasens、rmeta)的核心功能与适用场景,帮助研究者根据具体需求精准选型。通过对比表格和实际代码示例,详细解析了各工具包在传统两两比较、网络Meta分析、诊断准确性研究等不同场景下的差异化优势,并提供了性能对比和组合使用建议。

weixin_30736301的博客 299

pandas计算一个维度中的所有数值占总价值的占比

比如我有一份票房数据: 类型 票房 剧情, 灾难 2913118 战争, 历史 3094524 剧情, 喜剧 3099961 剧情 3176119 根据已知的票房信息,我想知道不同类型的片子能抢占多少比例的总票房,效果如下: import pandas as pd def split_and_sum(dataframe: pd.DataFrame, column: str, sum_column: str): def get_all_type(type_se):

呆萌的代Ma 2582

Halcon实战:5个工业质检案例教你玩转机器视觉(附完整代码)

本文通过5个工业质检实战案例,详细拆解了如何运用Halcon视觉软件库解决精密测量、包装检测、字符识别、透明物缺陷检测及深度学习质检等复杂问题。每个案例均提供完整代码与核心思路,旨在帮助工程师掌握从问题分析到方案落地的系统方法论,提升机器视觉项目的实战能力与鲁棒性。

nut55的博客 262

Keil MDK下载报错:Flash Download failed终极解决指南(附固件恢复步骤)

本文针对Keil MDK开发中常见的“Error: Flash Download failed”报错,提供了从基础连接到深度诊断的系统性解决指南。文章详细解析了错误成因,并重点介绍了当常规SWD调试失效时,如何通过Bootloader模式和ISP模式(特别是UART Bootloader)恢复“变砖”芯片的完整实战步骤,帮助开发者彻底解决固件下载难题。

weixin_29196613的博客 817

Pandas多维聚合实战:从GROUP BY到决策就绪表的七步变形

多维聚合是BI分析与数据报表的核心技术,本质是在保留维度结构的前提下完成跨层级、多粒度的统计计算。其原理超越传统SQL GROUP BY,需协同分组维度、展开维度与度量维度构建可解释的数据坐标系。技术价值在于将原始明细数据转化为‘决策就绪型’窄表,支撑同比环比、TOP分析、跨区域对比等高阶业务需求。典型应用场景包括销售看板、用户行为透视、IoT时序汇总及Power BI/Tableau数据准备。本文聚焦Pandas 2.2+生态,系统拆解pivot_table、crosstab、groupby().agg(

图灵教育官方博客 436

立创EDA手动拼板实战:当自带功能不够用,如何用‘复制粘贴’搞定异形拼版与特殊布局

本文详细介绍了立创EDA手动拼板技术在异形拼版与特殊布局中的应用实战。通过CTRL+SHIFT+V等核心操作技巧,解决混合尺寸拼板、特殊间距需求等复杂场景,提升PCB设计效率与灵活性,特别适合需要高精度控制的射频电路和医疗设备项目。

weixin_31967485的博客 391

Python数据科学实操地图:pandas、可视化与scikit-learn七步闭环

数据科学入门的核心在于将原始数据转化为业务洞察,其底层依赖于结构化数据操作、可解释的可视化表达和稳健的建模验证。pandas数据框操作提供了带标签、可链式调用的智能表格抽象,显著降低非程序员的数据处理门槛;matplotlib与seaborn构成互补的可视化工具链,兼顾控制精度与业务表达效率;scikit-learn则封装了标准化的机器学习流程,使特征工程、交叉验证与模型解释成为可复现的工程实践。这些技术共同支撑起从Excel清洗到周报交付的端到端分析闭环,广泛应用于电商运营、用户行为分析、风控建模等真实业

weixin_30680385的博客 440

解锁RK3588+RTL8211F:千兆以太网PHY调优秘籍

本文探讨了RK3588芯片搭配RTL8211F千兆以太网PHY的优化方案。文章首先分析了RK3588和RTL8211F的硬件特性,指出时序问题可能源于时钟信号不稳定、传输延迟和PHY内部逻辑延迟。针对这些问题,提出了选用高质量时钟源、优化PCB布线等时序优化策略,以及合理配置硬件参数、优化网络协议等延迟优化方法。在配置实践部分,详细介绍了硬件连接规范和软件配置步骤,并建议使用Iperf、Ping等工具进行性能测试。最后总结了常见问题解决方案,展望了未来PHY芯片和传输技术的发展趋势。这些优化措施可显著提升网

远程部署调试 运行安装 项目调试 二次开发 项目技术新 持续迭代 部分源码免费分享 289

5步上手Quartz.NetUI:.NET Core定时任务的开箱即用解决方案

Quartz.NetUI是一个基于.NET Core + Quartz.NET + Vue + IView的开箱即用的定时任务UI解决方案。它结合了Quartz.NET的强大功能和Vue.js的易用性,提供了一个不依赖数据库、只需在界面进行简单配置即可使用的定时任务管理系统。通过上述步骤,你已经学会了如何使用Quartz.NetUI在.NET Core项目中实现定时任务。Quartz.NetUI不仅功能强大,而且使用简单,非常适合那些需要快速实现定时任务管理的开发者。

java专栏 2408

生产级pandas多维聚合实战:从groupby到高管看板的七步流水线

多维聚合是数据分析的核心能力,指在多个业务维度(如客户、产品、时间)上对指标进行统计计算。其底层原理涉及分组索引构建、内存哈希分配与窗口时序对齐,技术价值在于支撑风控阈值、监管报送和BI决策等关键场景。不同于教学示例中的单步groupby,真实银行级流水线需应对1.2亿行数据、稀疏分组组合、滚动窗口边界错乱及MultiIndex列名解析难题。本文聚焦生产级聚合策略与滚动窗口计算两大核心挑战,详解如何通过四层架构设计、语义化列名生成和时间安全封装,让聚合结果稳定输出至Excel、BI系统与XML监管文件。

aodan5477的博客 371

【软考中级网络工程师】知识点之常用网络诊断和配置命令

本文聚焦软考中级网络工程师必备的网络诊断和配置命令,详细解析 ipconfig、ping、arp 等 11 类核心命令。涵盖各命令的功能、语法、常用参数及应用场景,如 ipconfig 查看配置、ping 测试连通性等。还通过图呈现命令执行逻辑与流程,助读者理解原理。最后结合软考考点回顾重点并提供真题练习,为备考和实际运维提供全面指导,是掌握网络命令的实用参考。

邓邓子的博客 1573

EDA实战指南:从数据加载到特征工程的七步闭环

Exploratory Data Analysis(EDA)是数据科学项目的基础性环节,本质是通过统计描述、可视化与业务逻辑结合,完成对数据结构、质量与语义的系统性理解。其核心原理在于将原始数据转化为可建模的特征空间,技术价值体现在规避数据泄露、识别异常模式、发现强相关特征,并支撑后续feature engineering与correlation analysis等关键步骤。典型应用场景覆盖金融风控、电商推荐、工业预测等领域,尤其在Pandas数据清洗、缺失值归因、时间序列探查及内存优化加载等实操环节中起决

weixin_38166557的博客 372

揭秘LLM如何预测下一个词

Transformer结构的大语言模型(LLM)通过自回归训练学习预测下一个词汇,其核心能力源自权重矩阵的动态优化。自注意力层的Wq/Wk/Wv矩阵捕捉语义关联,前馈网络的W1/W2矩阵进行非线性特征提取,LM Head的W_{lm}矩阵将语义映射到词汇概率。训练过程中,这些矩阵通过反向传播不断调整,最终使模型能够根据上下文(如"我"→"爱")生成合理的后续词汇。这种基于矩阵变换的数学机制是LLM智能生成文本的本质原因。(150字)

ZhangJiqun&191cm&85kg 378

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

银行级多维聚合实战:从GROUP BY到监管合规的七步转化

多维聚合是数据分析中连接业务需求与技术实现的关键枢纽,其本质远超SQL的GROUP BY或pandas的简单agg调用。它涉及地理、人口、时间、行为等多维度交叉建模,需融合滚动窗口、扩展窗口、自定义函数、多级分组与结构展平等多种技术原理。在金融、保险、政务等强监管行业,多维聚合直接承载风控规则、监管报送(如银发〔2023〕12号文)、反洗钱条款等核心业务价值。典型应用场景包括客户风险分层、商户动态评级、高净值用户交易趋势分析及可审计宽表生成。本文聚焦真实银行生产环境中的‘多维聚合组合策略’与‘业务规则代码化

weixin_26767391的博客 303

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

pandas多维聚合实战:生产级风控与经营分析的七步炼金术

多维聚合是数据分析的核心能力,指在多个业务维度(如客户、产品、时间、渠道)上对数据进行分组统计与动态计算。其本质是将原始事务数据转化为可决策的指标体系,依赖滚动窗口、自定义函数、多级分组等关键技术实现时序一致性与业务语义对齐。技术价值在于支撑实时风控模型、自动化监管报送和管理层经营看板,确保结果可复现、异常可追溯、性能可监控。典型应用场景包括银行信贷风险识别、电商跨维度销售分析、金融监管指标计算等。本文聚焦pandas在真实生产环境中的高可靠聚合实践,覆盖多列聚合、滚动计算、pivot_table展开及空值

weixin_32487557的博客 248

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

Pandas多维聚合生产实践:从groupby到可交付报表的七步工程化

多维聚合是数据工程中连接原始数据与业务决策的核心技术环节,其本质是按多个维度对指标进行统计计算并生成结构化结果。它不仅涉及pandas的groupby、agg、rolling、expanding、unstack等API原理,更关键的是在真实场景中处理时间对齐、空值策略、列名扁平化、动态配置、滚动窗口性能优化等工程挑战。该技术广泛应用于金融风控、客户分层、BI报表、实时特征计算等高SLA要求场景。本文基于银行级生产系统落地经验,聚焦named aggregation、partial预编译自定义函数、降粒度滚动

weixin_28339967的博客 267

pandas多维聚合实战:金融场景下的生产级聚合模式

多维聚合是数据分析中将原始数据转化为业务决策依据的核心技术,其本质是将复杂的业务逻辑(如分组、滚动计算、跨维度组合)映射为高效的数据操作路径。它不仅涉及groupby与agg的基础用法,更关键的是理解多列多函数聚合的执行优化原理、自定义函数在风控与客户画像中的不可替代性、rolling与expanding窗口的时间语义差异,以及unstack构建宽表时的维度管理与内存控制。在银行等强监管、高并发场景中,聚合结果的准确性、可审计性与性能稳定性直接决定报表可信度与模型有效性。本文聚焦真实金融案例,系统拆解五类高

451

零基础用Python清洗Excel:pandas数据清洗实战指南

数据清洗是将原始、混乱、含噪声的业务记录转化为结构清晰、类型明确、可被程序稳定处理的结构化数据资产的关键过程。其核心在于定义可复用、可验证的清洗规则,而非依赖人工操作。Python凭借pandas等库提供的声明式语法、强大字符串与类型转换能力(如str.replace、pd.to_numeric)、容错机制(errors='coerce')及链式操作,成为Excel清洗的事实标准工具。它天然适配批量处理、跨文件整合、动态业务逻辑填充等高频场景,显著提升财务、销售、运营等岗位的数据准备效率,并为后续分析与自动

weixin_33881140的博客 393

多维聚合实战:从pandas groupby到可交付分析表的七步法

多维聚合是BI与数据分析中的核心能力,本质是在多个分类维度(如地区、时间、品类)构成的N维空间中对数值指标进行切片、钻取与上卷。其原理远超单维groupby,涉及坐标系建模、粒度契约、空值语义识别等关键约束。技术价值在于支撑精准归因、动态下钻与跨部门口径对齐,广泛应用于销售分析、客户健康度评估、实时看板等场景。本文聚焦pandas与SQL协同下的工程化落地,深入解析维度爆炸防控、聚合锚点设计、逻辑空值注入等真实痛点,提供可复用的配置模板与校验清单。

weixin_30883311的博客 325

Pandas多维聚合实战:从groupby到生产级数据处理

多维聚合是数据分析中连接原始数据与业务决策的关键技术环节,其本质是基于分组逻辑对多个字段施加不同统计函数的协同计算。它不仅涉及pandas中agg()方法的字典映射原理、MultiIndex列结构的设计意图,更关乎滚动窗口的时间对齐机制、unstack与pivot_table的维度重塑能力,以及named function封装带来的可维护性与幂等性保障。在银行风控、电商运营、保险精算等强指标驱动场景中,能否高效完成客户×时间×品类的交叉聚合,直接决定分析报表的交付时效与决策可信度。本文聚焦真实业务需求中的‘

张沈鹏,在路上 ... 809

多维聚合实战:银行风控中的pandas生产级用法

多维聚合是数据分析的核心能力,本质是将原始数据映射为业务可解释的结构化指标。其原理不仅涉及groupby分组与agg函数组合,更关键在于维度语义建模、缺失值业务化处理、时间窗口对齐等工程细节。技术价值体现在支撑高可信度决策——如欺诈识别需滚动窗口精准对齐真实时间,CLV计算依赖扩展窗口与业务权重融合。典型应用场景覆盖银行风控、零售品类分析、客户生命周期管理等强合规领域。本文聚焦pandas在金融级生产环境中的落地实践,深入解析unstack填充值设定、rolling时间陷阱规避、自定义聚合函数的审计就绪设计

张沈鹏,在路上 ... 482

Pandas多维聚合实战:一次计算搞定多维度多指标分析

多维聚合是数据分析中将原始数据按多个业务维度(如客户、产品、时间)同步分组并施加不同统计逻辑的核心技术。其原理在于利用pandas的惰性groupby机制,在单次数据遍历中完成多种标量聚合,避免重复扫描与逻辑漂移。该技术显著提升金融、电商等行业的指标计算效率与口径一致性,支撑实时风控、客户分层、经营分析等关键场景。本文聚焦真实业务需求驱动的聚合模式选型、列名扁平化、滚动窗口配置、unstack人因优化及自定义函数工程化等落地细节,解决‘指标多、维度杂、交付急’的典型痛点。

384

生产级多维聚合:金融场景下的pandas实战铁律

多维聚合是数据分析的核心能力,指在多个业务维度(如地域、时间、客户分层)上对数据进行分组统计与动态计算。其技术原理远超简单groupby,涉及滚动窗口、展开计算、跨列指标、时序对齐等复合操作。在金融等强监管行业,它必须满足生产级要求:可复现、可审计、可解释,并精准承载业务语义(如‘近30笔交易’而非‘日历30天’)。典型应用场景包括银行客户分层分析、信用卡逾期预警、反欺诈波动率监控及高管经营简报生成。本文聚焦pandas生态下真实金融流水处理中的七类高发陷阱与工程化解法。

图灵教育官方博客 577
上一篇: 【羊毛预警】实战项目免费学!就在今晚8点!亲测干货!
下一篇: 字节数据分析师: 比会用Python/R更值钱的技能是?
严小样儿
博客等级 码龄8年 183粉丝 21原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值