M
кажется, что автор спрашивал не про решение на R, а мне как-то не очень важно, так что не утруждайтесь 😊
Size: a a a
2021 October 15
M
можете скинуть csv с примером?
IS
вот это дело.
V
Под рукой нет компьютера. Xlsx подойдет?
IS
Виктор, ответов, увы, не вижу.
На скорую руку идея такая, попробуйте сами на питон переложить.
в melt/pivot идеология похожая
1. Руками создадим унифицированные имена колонок
2. Делаем двойное развертывание. Сначала по покупателям (набор данных вовсе непонятный, имена дал из общих соображений), потом по значениям.
На скорую руку идея такая, попробуйте сами на питон переложить.
в melt/pivot идеология похожая
1. Руками создадим унифицированные имена колонок
2. Делаем двойное развертывание. Сначала по покупателям (набор данных вовсе непонятный, имена дал из общих соображений), потом по значениям.
{r}
df <- data.frame(
index = c(1,2,3,4,5),
Customer = c("A", NA, "B", "C", NA),
Value = c(1, NA, 1, 1, NA),
"Customer(1)" = c(NA, "A", NA, NA, "D"),
Value = c(NA, 1, NA, NA, 1)
)
# выкинем индекс за ненужностью, переименуем колонки по унифицированным правилам
nn <- 1:ncol(df) %>%
{paste(ifelse(. %% 2 == 1, "val", "customer"), . %/% 2, sep = "_")}
df1 <- df %>%
setnames(nn) %>%
select(-1) %>%
# свернули по покупателям
pivot_longer(cols = starts_with("customer"),
names_to = "customer",
values_to = "product") %>%
drop_na(product) %>%
# свернули по штукам
pivot_longer(cols = starts_with("val_"),
names_to = NULL,
values_to = "amount") %>%
drop_na()
df1 %>% count(customer)
Ну вот и получаем примерно такое> df1
# A tibble: 5 x 3
customer product amount
<chr> <chr> <dbl>
1 customer_1 A 1
2 customer_2 A 1
3 customer_1 B 1
4 customer_1 C 1
5 customer_2 D 1
> df1 %>% count(customer)
# A tibble: 2 x 2
customer n
<chr> <int>
1 customer_1 3
2 customer_2 2
M
а где одна строка?)
IS
здесь одни тролли?
V
Огромное спасибо за помощь, вечером попробую.
M
колонок всегда 4? или может быть 6, 8, 12?
V
Не всегда 4, может быть и больше
IS
в таком способе представления есть засада — надо предварительно валидировать .
нет никакой защиты от ситуации, что продуктовая колонка N-го покупателя будет содержать NA, а значение не NA
ну либо можно делать это после первой свертки — id каждого покупателя должен совпадать с id переменной.
нет никакой защиты от ситуации, что продуктовая колонка N-го покупателя будет содержать NA, а значение не NA
ну либо можно делать это после первой свертки — id каждого покупателя должен совпадать с id переменной.
M
pd.concat((pd.DataFrame(df.iloc[:,i:i+2].values) for i in range(0, len(df.columns), 2)),).groupby(0).sum()M
берём колонки парами, слепляем вертикально, считаем сумму
IS
да-да. начал писать.
если же нужен тотал без продуктов, то просто суммируются колонки.
нечетные колонки — количество, четные — покупатель
просуммировали, перенесли имя покупателя на имя колонки с суммой и сделали длинное представление
вариантов масса
если же нужен тотал без продуктов, то просто суммируются колонки.
нечетные колонки — количество, четные — покупатель
просуммировали, перенесли имя покупателя на имя колонки с суммой и сделали длинное представление
вариантов масса
IS
неверно. нужно по покупателям, а не по продуктам
M
а, типа A B C D это продукт а в колонке айди покупателя?
IS
дать ответ — хорошо и правильно.
а когда 2.5 К человек молчат — нехорошо.
вот и весь тезис.
а когда 2.5 К человек молчат — нехорошо.
вот и весь тезис.
M
def customer_df(df):
df["customer"] = df.columns[0]
df.columns = ("product", "value", "customer")
return df.dropna(subset=["value"])
pd.concat((customer_df(df.iloc[:,i:i+2]) for i in range(0, len(df.columns), 2)))