计算与上周总熊猫销售量相比的周末销售额百分比，以及如何处理银行假期等例外情况

debugcn 发表于 Dev

安德里亚·乔佛

我有一个每日销售的DataFrame。

我想创建一个KPI，以了解周末销售如何影响周销售以及正常的日子如何影响周销售。

我在下面创建了一个工作代码作为示例，它可以工作。

但：

1）（第一个主要问题）我认为可以用更Python化的方式进行改进，但我不知道如何

2）（第二个小问题）如果银行假期的销售额过低或特殊假期的销售额过高，我应该用均值或中位数代替这些离群值吗？

#Generating a Random Sample
np.random.seed(30)
values=np.random.randint(0,400,14)
day= pd.date_range(start='25/02/2020',periods=14)

#Creating an example DataFrame
df_input={'date':day,"values":values}
df_test=pd.DataFrame(df_input)

#From here starts what I have done on my original code
# week and day of the week are two informatio that I have to retrieve from my
#original DataFrame
#Creating a column with Week and Day Of The Week info
df_test['week']=df_test.date.dt.week
df_test['day']=df_test.date.dt.dayofweek

#Creating a Column for differencing weekend from normal day 
df_test['weekend']=np.zeros(len(df_test))
df_test['weekend'][(df_test.day==5)|(df_test.day==6)]=1

#Grouping on Week to get total sales 
grouped_full=df_test.groupby(['week']).sum()

#Grouping on Week And Weekend to separate normal days from weekend days
grouped=df_test.groupby(['week','weekend']).sum()

#Getting the ratio between 
#the weekend and total weekly sales
#normal days and total weekly sales
ratio=grouped/grouped_full
print(ratio['values'])

这是我的输出：

week  weekend
9     0.0        0.666667
      1.0        0.333333
10    0.0        0.784127
      1.0        0.215873
11    0.0        1.000000

乌克兰语

我花了一些时间试图真正了解您如何解决该问题以及是否有另一种解决方法。

我绝对不是专业人士，因此，将所有这些加一点盐：

我认为没有更多的“ pythonic”方式来编写代码。尽管内容广泛，但我可以向您展示一种我了解您的问题的方式：

import numpy as np
import pandas as pd

#Generating a Random Sample
np.random.seed(30)
values=np.random.randint(0,400,14)
day= pd.date_range(start='25/02/2020',periods=14)

#Creating an example DataFrame
df_input={'date':day,"values":values}
df_test=pd.DataFrame(df_input)

# group and use mean
weekdays = (df_test[df_test.date.dt.weekday.isin([0,1,2,3,4])]
                .groupby(df_test.date.dt.week)
                .mean())
# group and use mean
weekends = (df_test[df_test.date.dt.weekday.isin([5,6])]
                .groupby(df_test.date.dt.week)
                .mean())

# store in dict
d = {'weekdays': weekdays, 'weekends': weekends}

# concat and drop extra level('values')
both = pd.concat(d, axis=1).droplevel(1, axis=1)

# create new column with mean ratio differences
both['weekends_ratio'] = both['weekends'].div(both['weekends']+both['weekdays'])

print(both)

      weekdays  weekends  weekend_ratio
date
9          280     280.0       0.500000
10         247     170.0       0.407674
11          18       NaN            NaN