选取某个分类占比最大的值，作为该分类的唯一值

        在日常的数据需求，我们的数据需求方——甲方巴巴可能会有这样的要求。从数据库中提取两部分数据进行对比。然而对比数据又不是唯一值，怎么确定唯一值是什么呢？就要求我们自己来计算。

        比如，我最近接到的一个数据需求。要求将**店铺，7月份，每个sku编码，单价数量占比最高的单价，来作为该sku编码唯一值，用于比对时的衡量标准。

我想到了两个解决方案：

1、使用EXcel来处理

• 首先数据清洗，计算sku编码占比。只选择某个店铺某个月份的数据，并提取sku编码，单价，将所有数据去重，使用countifs()函数计数，再计算占比，字段呈现：sku编码，单价，个数，个数占比。

• 其次找出sku占比的最大值。提取sku编码去重，使用maxifs()函数，找出最大的占比值，字段呈现：sku编码，最大占比。

• 找出sku编码占比最大的单价。字段：使用vlookup()函数，合并sku编码&最大占比，查找单价，字段呈现：sku编码，单价。

2、Python来处理

data_7= data[(data['月份'] =='7月') & (data['店铺'] =='**订单')]  #多个条件的时候使用&，并且条件之间使用括号括起来关联
data_71 = data_7.groupby(by = ['sku编码','单价'])['订单号'].count().reset_index(drop = False)  #统计每个sku编码的数据量
data_71 = data_71.rename(columns ={'订单号':'数量'}) #重命名
data_71['占比'] = data_71['数量'] /data_71['数量'].sum()  #计算每个sku编码，单价的数据量占比
#使用降序排列，并且相同数字的，按照1234…命名。这样可以避免同一排名的对应多个
data_71['ranks'] = data_71.groupby(['sku编码'])['占比'].rank(method ='first',ascending =False).astype(int)  

# data_71.reset_index(drop =False)  #重置索引
data_72 = data_71[data_71['ranks'] == 1]  # 取排名第1的行，作为对比数据
data_72['占比'] = data_72['占比'].apply(lambda x: format(x,'.2%'))
print(data_72)
print(len(data_72))

结果呈现：

 至此，我们就完成了sku编码唯一值的提取。可以进行下面的操作了~~~~~