Распределение автономного веб-приложения Python нетехническим пользователям

Использование вымышленных данных за несколько месяцев. Возможно, не самый лучший подход, но он работает. Я бы порекомендовал поработать с @NelsonGon на подходе Tidyverse.

Создание данных:

library(dplyr)

User<-c(6,2,3,4,5,6)
Transaction.Date<-c("11-1-2019","11-2-2019","11-3-2019",
"12-1-2019","12-2-2019","11-1-2019")
Amount<-c(100,200,300,400,500,150)

Credit<-data.frame(User,Transaction.Date,Amount)

Агрегирование, упорядочение и подмножество:

#Aggregate user by avg amount spent and date
TopSpend<-aggregate(Credit$Amount, 
                by=list(Credit$User,Credit$Transaction.Date)
                , FUN=mean)

#Reverse so high in the start                    
TopSpend<-arrange(TopSpend, rev(rownames(TopSpend)))
                    print(TopSpend)

#Rename for clarity                
names(TopSpend)<-c("User", "Date","Amount")

#Format date for split              
TopSpend$Date<-as.POSIXct(TopSpend$Date, format="%m-%d-%Y")

#Split based on month             
TopSpend_Fin<-split(TopSpend, format(TopSpend$Date, "%Y-%m"))

#Get first 5 elements (non-existent won't throw error)
TopSpend_Fin<-lapply(TopSpend_Fin, head, n = 5L)

 Использование вымышленных данных за несколько месяцев. Возможно, не самый лучший подход, но он работает. Я бы порекомендовал поработать с @NelsonGon на подходе Tidyverse. 
 
 Создание данных: 
 [110] 
 Агрегирование, упорядочение и подмножество: 
 2019-11`
  User       Date Amount
3    3 2019-11-03    300
4    2 2019-11-02    200
5    6 2019-11-01    125

 Использование вымышленных данных за несколько месяцев. Возможно, не самый лучший подход, но он работает. Я бы порекомендовал поработать с @NelsonGon на подходе Tidyverse. 
 
 Создание данных: 
 [110] 
 Агрегирование, упорядочение и подмножество: 
 2019-12`
  User       Date Amount
1    5 2019-12-02    500
2    4 2019-12-01    400