Python做多维度分类的聚合运算、环比、同比

---

1.目标：

按月求三个重要指标：

1. 用户数
2. 销量
3. 销售额

在每个维度的总和，或者每个分类的环比、同比。

---

2.背景：

一家国外品牌的自行车生产公司，在中国拥有三个代理商帮助销售其品牌产品，该品牌的自行在中国车十分畅销，在各个地区都有其用户。

该场景下的维度有：

1. 时间维度
2. 产品维度
3. 地区维度
4. 代理商维度
5. 消费者维度

以月为单位就算，计算各维度中某分类的总和、同比、环比

---

3.观察数据：

Dataframe里每一行代表一位客人在某一天购买的一辆单车。

有83285条的订单记录，26列

df.shape
#(83285, 26)

df.info()
'''
<class 'pandas.core.frame.DataFrame'>
Int64Index: 83285 entries, 0 to 83342
Data columns (total 26 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   创建日期    83285 non-null  object 
 1   创建年月    83285 non-null  object 
 2   季度      83285 non-null  int64  
 3   一年的周数   83285 non-null  int64  
 4   星期      83285 non-null  int64  
 5   当月的天数   83285 non-null  int64  
 6   两年的周数   83285 non-null  int64  
 7   是否今天    83285 non-null  int64  
 8   订单ID    83285 non-null  float64
 9   客户ID    83285 non-null  int64  
 10  商品ID    83285 non-null  object 
 11  商品名     83285 non-null  object 
 12  商品子类    83285 non-null  object 
 13  商品类别    83285 non-null  object 
 14  价格      83285 non-null  float64
 15  客户创建日期  83285 non-null  object 
 16  出生日期    83285 non-null  object 
 17  性别      83285 non-null  object 
 18  婚否      83285 non-null  object 
 19  年收入     83285 non-null  float64
 20  省       83285 non-null  object 
 21  市       83285 non-null  object 
 22  地区      83285 non-null  object 
 23  代理商     83285 non-null  object 
 24  成本      83285 non-null  float64
 25  渠道      83285 non-null  object 
dtypes: float64(4), int64(7), object(15)
memory usage: 17.2+ MB
'''

时间是从2019年1月2日到2020年9月30日

df['创建日期'].value_counts().sort_index()
'''
2019-01-02     85
2019-01-03    104
2019-01-04     98
2019-01-05    101
2019-01-06     84
             ... 
2020-09-26    283
2020-09-27    293
2020-09-28    303
2020-09-29    317
2020-09-30    313
Name: 创建日期, Length: 633, dtype: int64
'''

---

4.计算步骤、思路

聚合后每个分类的三个指标的总和：

1. 用groupby对[创建年月,分类字段]进行聚合
2. 对客户数，求客户ID唯一值的数量
3. 对销量，对订单ID用count求出销量
4. 对销售额，对价格（单价）用sum求和

环比：

1. 用pivot_table()计算每个月每个分类的各指标
2. 用pct_change()计算环比
3. 用stack()/reset_index()对多层列/行引索进行处理
4. 用rename()重命名字段名

同比：

1. 算分类的唯一值
2. 对分类分层用for loop，再用pct_change()计算同比

---

5.多维度分类的聚合运算

以产品维度为例，详细步骤如下：

先观察，查看有多少产品子类

#一共有三个自行车子类：
df['商品子类'].value_counts()

'''
df['商品子类'].value_counts()
公路自行车    44131
山地自行车    27266
旅游自行车    11888
Name: 商品子类, dtype: int64
'''

每个子类在每个月的销售表现

#算出了每个分类在每个月的总客户数、销量、销售额
product_category=df.groupby(["创建年月","商品子类"]).agg({
   "客户ID":pd.Series.nunique,"订单ID":"count","价格":"sum"}).reset_index()
product_category=product_category.rename(columns={
   "客户ID":"客户数","订单ID":"销量","价格":"销售额"})

计算环比
先到pivot_table()转化行列
pivot_table()跟Excel的透视表功能一致，能对所需字段进行求和、求平均等。注意values一定要是数值类型，否则不能计算。

pivot_table()官方链接

这里不需要计算，只需要行列转换。

categor