### 使用 Pandas 处理客户订单数据的汇总 在 Python 中，可以利用 `pandas` 库的强大功能对表格数据进行分组和聚合操作。对于按客户汇总订单数据的需求，可以通过 `groupby()` 和 `agg()` 函数完成。 #### 示例代码 假设有一个包含客户 (`Customer`) 和订单金额 (`OrderAmount`) 的 DataFrame： ```python import pandas as pd import numpy as np # 初始化示例数据 data = { 'Customer': ['Alice', 'Bob', 'Alice', 'Charlie', 'Bob', 'Alice'], 'OrderID': [1, 2, 3, 4, 5, 6], 'OrderAmount': [100, 200, 150, 300, 250, 50] } df = pd.DataFrame(data) # 查看原始数据 print("原始数据:") print(df) # 按照 Customer 分组并对 OrderAmount 求和 result = df.groupby('Customer').agg({'OrderAmount': 'sum'}).reset_index() # 将结果列命名为 TotalOrders result.rename(columns={'OrderAmount': 'TotalOrders'}, inplace=True) # 输出结果 print("\n按客户汇总的订单总金额:") print(result) ``` #### 结果说明 上述代码实现了以下功能： 1. **创建 DataFrame**：定义了一个简单的数据表，其中包含了客户的名称、订单编号以及对应的订单金额。 2. **分组与求和**：通过调用 `groupby('Customer')` 方法将数据按照客户分类，并使用 `agg()` 聚合函数对每组的 `OrderAmount` 列执行求和操作[^1]。 3. **重命名列**：为了使结果更加直观，将聚合后的列重新命名为 `TotalOrders`[^4]。 运行此代码后会得到如下输出（基于示例数据）： ``` 原始数据: Customer OrderID OrderAmount 0 Alice 1 100 1 Bob 2 200 2 Alice 3 150 3 Charlie 4 300 4 Bob 5 250 5 Alice 6 50 按客户汇总的订单总金额: Customer TotalOrders 0 Alice 300 1 Bob 450 2 Charlie 300 ``` #### 扩展功能 如果需要进一步扩展统计信息，比如计算每位客户的平均订单金额或者最大/最小订单金额，则可以在 `agg()` 函数中传入多个聚合函数。例如： ```python extended_result = df.groupby('Customer').agg( TotalOrders=('OrderAmount', 'sum'), AverageOrder=('OrderAmount', 'mean'), MaxOrder=('OrderAmount', 'max') ).reset_index() print("\n按客户汇总的更多统计数据:") print(extended_result) ``` 这将会增加额外两列分别表示每位客户的平均订单金额和最高单笔订单金额[^2]。 ---