如何计算累计平均收入？python

Question

我想创建一个图表，显示一段时间内每个“入职年”（第一笔客户交易）的累计平均收入。但是我在对我需要的信息进行分组时犯了错误

玩具数据：

dataset = {'ClientId': [1,2,3,1,2,3,1,2,3,1,2,3,4,4,4,4,4,4,4],
           'Year Onboarded': [2018,2019,2020,2018,2019,2020,2018,2019,2020,2018,2019,2020,2016,2016,2016,2016,2016,2016,2016],
           'Year': [2019,2019,2020,2019,2019,2020,2018,2020,2020,2020,2019,2020,2016,2017,2018,2019,2020,2017,2018],
           'Revenue': [100,50,25,30,40,50,60,100,20,40,100,20,5,5,8,4,10,20,8]}
df = pd.DataFrame(data=dataset)

说明：客户有一个指定的“入职年份”，他们每年都会进行一次交易。 然后，我计算了自客户加入以来经过的时间，以使我的图表在视觉上更具吸引力

df['Yearsdiff'] = df['Year']-df['Year Onboarded']

为了计算累计平均收入，我尝试了以下方法：

• 第一次尝试：

df = df.join(df.groupby(['Year']).expanding().agg({ 'Revenue': 'mean'})
               .reset_index(level=0, drop=True)
               .add_suffix('_roll'))

df.groupby(['Year Onboarded', 'Year']).last().drop(columns=['Revenue'])

输出开始累积，但最后一行不再累积（不确定原因）

• 第二次尝试：

df.groupby(['Year Onboarded','Year']).agg('mean') \
                                     .groupby(level=[1]) \
                                     .agg({'Revenue':np.cumsum})

但它不能正常工作，我也尝试了其他方法，但没有取得好的效果

要可视化累计平均收入，我只需使用sns.lineplot

我的目标是得到一个类似于下图的图表，但为此，我首先需要正确地分组数据

预期输出图

我们在图表上看到的年份代表的是“入职年份”，而不是“入职年份”

有人能帮我计算一个累积平均收入，以便绘制一个类似于上面的图表吗？多谢各位

此外，玩具数据集中提供的数据肯定不会给出与示例图类似的东西，但想法应该存在

Answer 1

您可以创建如下滚动平均值：

df['rolling_mean'] = df.groupby(['Year Onboarded'])['Revenue'].apply(lambda x: x.rolling(10, 1).mean())

df

#     ClientId  Year Onboarded  Year  Revenue rolling_mean
# 0          1            2018  2019      100   100.000000
# 1          2            2019  2019       50    50.000000
# 2          3            2020  2020       25    25.000000
# 3          1            2018  2019       30    65.000000
# 4          2            2019  2019       40    45.000000
# 5          3            2020  2020       50    37.500000
# 6          1            2018  2018       60    63.333333
# 7          2            2019  2020      100    63.333333
# 8          3            2020  2020       20    31.666667
# 9          1            2018  2020       40    57.500000
# 10         2            2019  2019      100    72.500000
# 11         3            2020  2020       20    28.750000
# 12         4            2016  2016        5     5.000000
# 13         4            2016  2017        5     5.000000
# 14         4            2016  2018        8     6.000000
# 15         4            2016  2019        4     5.500000
# 16         4            2016  2020       10     6.400000
# 17         4            2016  2017       20     8.666667
# 18         4            2016  2018        8     8.571429

Answer 2

我会这样做，考虑到玩具数据不同，可能应该做一些更改，但总而言之：

import seaborn as sns
df1 = df.copy() 
df1['Yearsdiff'] = df1['Year']-df1['Year Onboarded']
df1['Revenue'] = df.groupby(['Year Onboarded'])['Revenue'].transform('mean') 
#Find the average revenue per Year Onboarded
df1['Revenue'] = df1.groupby(['Yearsdiff'])['Revenue'].transform('cumsum')
#Calculate the cumulative sum of Revenue (Which is now the average per Year Onboarded) per Yearsdiff (because this will be our X-axis in the plot)   
sns.lineplot(x=df1['Yearsdiff'],y=df1['Revenue'],hue=df1['Year'])
#Finally plot the data, using the column 'Year' as hue to account for the different years.