按数据分组并在每个组中查找具有相似值的行。

Question

我正在使用一个有20个Id的数据框架，对于每个Id，大约有3个商店，每个商店至少每周有3次销售和价格弹性。

数据：

data = 
ID      STORE  WEEK_NUM   Price_elasticity          
100001  1      1          0.5
100001  1      2          0.5
100001  1      3          0.5
100001  2      1          0.5
100001  2      2          0.9
100001  2      3          0.6
100002  1      1          0.3
100002  1      2          0.3
100002  1      3          0.3
100002  2      1          0.8
100002  2      2          0.8
100002  2      3          0.5

问题：

我想找出每一个项目的几个星期

我的尝试：

dft = data.groupby(['ID','STORE']).agg({'Price_Elasticity':'nunique','WEEK_NUM':'count'})
dft = dft.reset_index()
dft = dft[dft['Price_Elasticity'] <= 1]
dft

预期结果：

ID      STORE  WEEK_NUM   Price_elasticity          
100001  1      1          0.5
100001  1      2          0.5
100001  1      3          0.5
100002  1      1          0.3
100002  1      2          0.3
100002  1      2          0.3
100002  2      1          0.8
100002  2      2          0.8

Answer 1

考虑合并到值计数数据帧，并返回计数大于1的任何值：

value_counts_df = (
    df.groupby(["ID", "STORE"])["Price_elasticity"]
      .value_counts()
      .rename("value_count")
      .to_frame()
      .reset_index()
)

df = (
    df.merge(
        value_counts_df,
        on = ["ID", "STORE", "Price_elasticity"]
    ).query("value_count > 1")
    .drop(["value_count"], axis="columns")
    .reset_index(drop=True)
)

df
       ID  STORE  WEEK_NUM  Price_elasticity
0  100001      1         1               0.5
1  100001      1         2               0.5
2  100001      1         3               0.5
3  100002      1         1               0.3
4  100002      1         2               0.3
5  100002      1         3               0.3
6  100002      2         1               0.8
7  100002      2         2               0.8