Boa tarde a todos, estou realizando um projeto de análise de dados e estou com dificuldade em ponto específico.
Para facilitar o entendimento, eu tenho um DF com [1000000+ linhas x 29 colunas].
Nesse Dataframe cada linha corresponde a uma ocorrencia de uma compra, com informações referentes ao cliente e ao produto. Quero criar um novo df com 3 colunas, correspondentes respectivamente ao ID do cliente, à data de criação da conta (que são inerentes a cada usuário, ou seja, se repetem sem alteração em cada vez que o cliente realiza uma compra) e o número de vezes que esse cliente realizou compras.
Eu pensei em realizar uma união entre o value_counts()
(para obter o número de compras de cada cliente) e o drop_duplicates()
(para que o ID se repita apenas uma vez com sua data de criação correspondente).
O problema é que o value_counts() me retorna uma série ordenada de acordo com o número de ocorrencias, enquanto o drop_duplicates() me retorna os valores de acordo com a sua posição no DF inicial, portanto os valores ficam desencontrados.
Esse problema seria mais facilmente resolvido se eu simplesmente criasse um n for range in (len(df)):
, mas como o DF tem mais de 1000000 registros esse processo seria muito demorado.
Alguém teria uma ideia de como realizar a criação desse df? Desde já muito obrigado!
(PS. Eu nao sei se a minha explicação ficou confusa, se for o caso tento elaborar melhor)