- データサイエンス100本ノックをやりきる会を作りました🎉
- こちらのSlack招待URLからご参加ください！！
- ぜひ一緒に励まし合いながら、データサイエンス100本ノックをやり切りたいと思っています！
Youtube
動画解説もしています。
問題
P-025: レシート明細データフレーム（df_receipt）に対し、顧客ID（customer_id）ごとに最も古い売上日（sales_ymd）を求め、10件表示せよ。
解答
コード
df_receipt.groupby('customer_id').sales_ymd.min().reset_index().head(10)
出力
| customer_id | sales_ymd | |
|---|---|---|
| 0 | CS001113000004 | 20190308 |
| 1 | CS001114000005 | 20180503 |
| 2 | CS001115000010 | 20171228 |
| 3 | CS001205000004 | 20170914 |
| 4 | CS001205000006 | 20180207 |
| 5 | CS001211000025 | 20190322 |
| 6 | CS001212000027 | 20170127 |
| 7 | CS001212000031 | 20180906 |
| 8 | CS001212000046 | 20170811 |
| 9 | CS001212000070 | 20191018 |
解説
・PandasのDataFrame/Seriesにて、同じ値を持つデータをまとめて処理し、同じ値を持つデータの合計や平均などを確認したい時に使用します。
・'groupby'は、同じ値や文字列を持つデータをまとめて、それぞれの同じ値や文字列に対して、共通の操作（合計や平均など）を行いたい時に使います。
・'.sales_ymd.min()'は、'.sales_ymd'の最小値（=最も古い売上日）を表示させます。
・'.reset_index()'は、'groupby'によってバラバラになったインデックス番号を0始まりの連番に振り直す操作を行いたい時に使います。
※以下のコードでも、同じ結果を出力します（'.agg'を用いた場合）
コード
df_receipt.groupby('customer_id').agg({'sales_ymd':'min'}).reset_index().head(10)