行中具有不同值的重复ID

Question

我在我的论文中使用的数据集有一个问题。数据集包含客户购买信息，我想知道客户购买了多少次，总购买金额是多少，以及他们的平均支出是多少。我目前拥有的数据看起来像这样：

    id      date        total_purchase_amount   product_price
0   84288   2020-1-1    100                     50
1   84288   2020-1-1                            50
2   84288   2020-3-7    80                      20
3   84288   2020-3-7                            60
4   84289   2020-8-16   200                     10
5   84289   2020-8-16                           50
6   84289   2020-8-16                           10
7   84288   2020-8-16                           80
8   84290   2020-4-2    10                      10
9   84290   2020-4-8    30                      30
10  84291   2020-5-23   45                      45

一些客户进行了多次购买，导致其客户ID在数据集中多次出现。我想实现的是一个数据集，它看起来像这样：

   id      total_purchase_amount   average_spending    times_purchased
0   84288   180                     45                  2
1   84289   200                     37,5                1
2   84290   40                      20                  2
3   84291   45                      45                  1

有没有人能建议我如何实现这一点？我使用的数据集非常大，因此无法手动解决此问题。

下面是获取第一个数据帧的代码：

import pandas as pd

data = [[84288, "2020-1-1", 100, 50],[84288, "2020-1-1", "", 50],[84288, "2020-3-7", 80, 20], [84288, "2020-3-7", "", 60],[84289, "2020-8-16", 200, 10],[84289, "2020-8-16", "", 50],[84289, "2020-8-16", "", 10], [84289, "2020-8-16", "", 80],[84290, "2020-4-2", 10, 10],[84290, "2020-4-8", 30, 30],[84291, "2020-5-23", 45, 45]]

df = pd.DataFrame(data, columns=['id','date','total_purchase_amount','purchase_amount'])

Answer 1

将空白行替换为NA，并在分组中执行数学运算。

df.replace('', np.NaN, inplace=True)
df.groupby('id')[['total_purchase_amount','purchase_amount']].agg(average_spending=('purchase_amount','mean'),times_purchased=('total_purchase_amount','count'))

       average_spending times_purchased
id      
84288   45.0    2
84289   37.5    1
84290   20.0    2
84291   45.0    1