Pandas 这对熊猫有可能吗？

我的数据集如下所示：

Date        COL1    COL2    COL3
2017/01/01   123      A       N
2017/01/01   234      A       N
2017/01/01   567      A       Y
2017/01/01   111      B       N
2017/01/02   123      A       Y
2017/01/02   999      A       N
2017/01/02   333      A       Y
2017/01/02   444      B       N
2017/01/02   555      B       Y

期望输出

Date        COL2  Count
2017/01/01   A      1
2017/01/01   B      1
2017/01/02   A      0
2017/01/02   B      1

所需输出的说明：

我想对COL2中属于特定组的COL1行求和，如果COL3的值为N，则只求和；如果COL3的值为Y，则求差

（应为滚动总和，当前计算基于前一日期和今天日期的总和）

我提出了一个python脚本，它首先创建一个映射，关键是COL2，值是date和COL1的元组。 然后脚本循环遍历整个数据集，在此过程中，如果当前行不在映射中，我将其添加到映射中，如果当前行在映射中，我将其追加。
然后，我只是在创建的映射中循环，并检查每个条目的大小以得出计数

然而，我想学习如何使用pandas实现这一点，我尝试使用groupby和aggregate，但无法获得正确的格式

---

任何帮助都将不胜感激。

解决方案是在

pandas

中创建一个自定义聚合器，然后在列上创建一个

>> from pandas import DataFrame as df >>> df_ = df({'col': [1, 1, 1, 2, 2, 2], 'a': ['A', 'A', 'B', 'A', 'B', 'B'], 'b': ['N', 'N', 'Y', 'Y', 'N', 'Y']}) >> df_ a b col 0 A N 1 1 A N 1 2 B Y 1 3 A Y 2 4 B N 2 5 B Y 2 >> f = lambda a: list(a).count('N')-list(a).count('Y') # custom aggregation after grouping >> agg_df = df_.groupby(['col', 'a']).agg({'b': f}).reset_index() >> agg_df col a b 0 1 A 2 1 1 B -1 2 2 A -1 3 2 B 0 >>从中导入数据帧作为df >>>df=df（{'col'：[1,1,1,2,2]，'a'：['a'，'a'，'B'，'a'，'B'，'B']，'B'：['N'，'N'，'Y'，'N'，'Y'] >>df_ a b柱 0 A N 1 1 A N 1 2b Y 1 3 A Y 2 4 B N 2 5b Y 2 >>f=lambda:list（a）.count（'N'）-list（a）.count（'Y'）#分组后的自定义聚合 >>agg_df=df_.groupby（['col'，'a']）.agg（{'b'：f}）.reset_index（） >>agg_-df a、b列 0 1 A 2 1 B-1 2 A-1 32B0

---

希望这有帮助。

假设您同时按日期和COL2分组，下面是一个单行解决方案：

创建数据帧：

>>> import pandas as pd
>>> df = pd.DataFrame({'Date': ['2017/01/01', '2017/01/01', '2017/01/01', '2017/01/02', '2017/01/02', '2017/01/02'], 
                   'COL1': [123, 234, 135, 123, 135, 246], 
                   'COL2': ['A', 'A', 'B', 'A', 'B', 'B'], 
                   'COL3': ['N', 'N', 'Y', 'N', 'N', 'Y']})
>>> df
    Date        COL1    COL2    COL3
0   2017/01/01  123     A       N
1   2017/01/01  234     A       N
2   2017/01/01  135     B       Y
3   2017/01/02  123     A       N
4   2017/01/02  135     B       N
5   2017/01/02  246     B       Y

>>> df.join(((df.COL3 == 'N')*2 - 1).rename('Count').to_frame()).groupby(['Date','COL2']).Count.sum().groupby(level=[1]).cumsum().reset_index()
        Date    COL2    Count
0   2017/01/01  A       2
1   2017/01/01  B       -1
2   2017/01/02  A       3
3   2017/01/02  B       -1

一行代码：

>>> import pandas as pd
>>> df = pd.DataFrame({'Date': ['2017/01/01', '2017/01/01', '2017/01/01', '2017/01/02', '2017/01/02', '2017/01/02'], 
                   'COL1': [123, 234, 135, 123, 135, 246], 
                   'COL2': ['A', 'A', 'B', 'A', 'B', 'B'], 
                   'COL3': ['N', 'N', 'Y', 'N', 'N', 'Y']})
>>> df
    Date        COL1    COL2    COL3
0   2017/01/01  123     A       N
1   2017/01/01  234     A       N
2   2017/01/01  135     B       Y
3   2017/01/02  123     A       N
4   2017/01/02  135     B       N
5   2017/01/02  246     B       Y

>>> df.join(((df.COL3 == 'N')*2 - 1).rename('Count').to_frame()).groupby(['Date','COL2']).Count.sum().groupby(level=[1]).cumsum().reset_index()
        Date    COL2    Count
0   2017/01/01  A       2
1   2017/01/01  B       -1
2   2017/01/02  A       3
3   2017/01/02  B       -1

说明：

>>> import pandas as pd
>>> df = pd.DataFrame({'Date': ['2017/01/01', '2017/01/01', '2017/01/01', '2017/01/02', '2017/01/02', '2017/01/02'], 
                   'COL1': [123, 234, 135, 123, 135, 246], 
                   'COL2': ['A', 'A', 'B', 'A', 'B', 'B'], 
                   'COL3': ['N', 'N', 'Y', 'N', 'N', 'Y']})
>>> df
    Date        COL1    COL2    COL3
0   2017/01/01  123     A       N
1   2017/01/01  234     A       N
2   2017/01/01  135     B       Y
3   2017/01/02  123     A       N
4   2017/01/02  135     B       N
5   2017/01/02  246     B       Y

>>> df.join(((df.COL3 == 'N')*2 - 1).rename('Count').to_frame()).groupby(['Date','COL2']).Count.sum().groupby(level=[1]).cumsum().reset_index()
        Date    COL2    Count
0   2017/01/01  A       2
1   2017/01/01  B       -1
2   2017/01/02  A       3
3   2017/01/02  B       -1

---

我首先创建了另一列，从

COL3

中导出求和值，将其命名为

Count

，然后继续执行groupby

sum

，以获得每个

日期

，

COL2

组合的求和，最后，在

COL2

级别上的groupby

cumsum

来获得滚动计数。

只是想知道，为什么您期望的输出中，2017/01/02 a的值有2个作为计数。@KiriteeGak，很抱歉输入错误。修正了期望的输出。如果COL3为N，则加，如果COL3为Y，则减。谢谢-您如何将其应用于timeseries？对不起，我还在学熊猫。例如，不是第一行0 1 A 2，而是2017/01/01 A 2。您必须将索引设置为日期列。但这在你的情况下并不是独一无二的。因为您已按

date

和

COL2

对其进行了分组。因此，可以将索引设置为这两列。但是无论如何，语法应该是

df.set\u index（'some\u column'）

。看看谢谢你的帮助谢谢，但是我认为你在解决一个不同的问题。例如，所需的输出将是（第一行）。2017/01/01 A 2（第二排）2017/01/01 B-1。（第三排）2017/01/02 A 3。（第四排）2017/01/02 B-1。所以基本上，对于第一行，我不想求123+234的和，我想看到2，因为它们都是“N”并且适合A类。你的问题实际上提到：“我想对属于

COL2

中特定组的

COL1

行求和，并且仅当

COL3

的值为N时求和，如果

COL3

的值为Y时进行减法"; 你是说如果

COL3

是'N'，你想对计数加1，如果

COL3

是'Y'，你想对计数加-1？在这种情况下更容易，你只需删除

df.COL1

部分，你就会得到累计计数是，因此在你的例子中，不是求和123+234，而是求和1+1，因为对于类别（COL2），两者都是'N'“A”。这将导致第一排是2017/01/01 A 2。如果我在描述中没有明确说明，请原谅。让我们来看看。