Python 3.x python中的SQL sum（）over（）等效项

我有一个数据框，提供了月和年的总销售额。我想添加两个新行，按月份和年份对销售值求和。以下是我拥有的数据的快照：

df

上述数据显示了不同年份不同月份记录的销售额

以下是我希望获得的数据示例：

df

如您所见，新列

Tot Sales/Month

按月份和年份（2017年1月和2017年1月和2017年1月和2017年1月和2017年1月和2017年1月和2017年1月和2017年1月和2017年1月和2017年1月和2017年1月和2017年1月和2017年1月和2017年1月和2017年1月和2017年1月和2017年1月和2017年1月和2017年1月和2017年1月和2017年1月和2017年1月

我知道这段代码在SQL中使用窗口函数很容易获得，但我不知道如何在pandas上实现它

我的尝试如下所示：

df.groupby('Month','Year')['Sales'].sum()
df.groupby('Year')['Sales'].sum()

以上两个代码确实提供了我需要的值，但是如何将这些值作为列存储在同一数据帧中

---

非常感谢您的帮助

您可以使用transform获得所需的列，如下所示

import pandas as pd
import numpy as np

df = pd.DataFrame([('89825870', '1', '2017'), ('248494100', '1', '2017'), ('216344700', '2', '2017'), ('209009300', '3', '2017'), ('204138200', '3', '2017'), ('12456789', '1', '2018'), ('109876543', '1', '2018')], columns=('Sales', 'Month', 'Year'))
df["Sales"] = df["Sales"].astype(np.int)

df["sales/month"] = df.groupby(["Month", "Year"]).transform("sum")
df["sales/year"] = df.groupby("Year")["Sales"].transform("sum")
df

---

您可以使用transform获得所需的列，如下所示

import pandas as pd
import numpy as np

df = pd.DataFrame([('89825870', '1', '2017'), ('248494100', '1', '2017'), ('216344700', '2', '2017'), ('209009300', '3', '2017'), ('204138200', '3', '2017'), ('12456789', '1', '2018'), ('109876543', '1', '2018')], columns=('Sales', 'Month', 'Year'))
df["Sales"] = df["Sales"].astype(np.int)

df["sales/month"] = df.groupby(["Month", "Year"]).transform("sum")
df["sales/year"] = df.groupby("Year")["Sales"].transform("sum")
df

---

以下代码应适用于您的预期结果：

import pandas as pd

df = pd.DataFrame([
[89825870, 1, 2017],
[248494100, 1, 2017],
[216344700, 2, 2017],
[209009300, 3, 2017],
[204138200, 3, 2017],
[12456789, 1, 2018],
[109876543, 1, 2018]],columns=["Sales", "Month", "Year"])

df["Tot Sales/Month"] = df.groupby(["Month", "Year"])["Sales"].transform("sum")
df["Tot Sales/Year"] = df.groupby("Year")["Sales"].transform("sum")

那么结果将是：

>>> df
       Sales  Month  Year  Tot Sales/Month  Tot Sales/Year
0   89825870      1  2017        338319970       967812170
1  248494100      1  2017        338319970       967812170
2  216344700      2  2017        216344700       967812170
3  209009300      3  2017        413147500       967812170
4  204138200      3  2017        413147500       967812170
5   12456789      1  2018        122333332       122333332
6  109876543      1  2018        122333332       122333332

---

以下代码应适用于您的预期结果：

import pandas as pd

df = pd.DataFrame([
[89825870, 1, 2017],
[248494100, 1, 2017],
[216344700, 2, 2017],
[209009300, 3, 2017],
[204138200, 3, 2017],
[12456789, 1, 2018],
[109876543, 1, 2018]],columns=["Sales", "Month", "Year"])

df["Tot Sales/Month"] = df.groupby(["Month", "Year"])["Sales"].transform("sum")
df["Tot Sales/Year"] = df.groupby("Year")["Sales"].transform("sum")

那么结果将是：

>>> df
       Sales  Month  Year  Tot Sales/Month  Tot Sales/Year
0   89825870      1  2017        338319970       967812170
1  248494100      1  2017        338319970       967812170
2  216344700      2  2017        216344700       967812170
3  209009300      3  2017        413147500       967812170
4  204138200      3  2017        413147500       967812170
5   12456789      1  2018        122333332       122333332
6  109876543      1  2018        122333332       122333332

---

df['Tot Sales/Year']=df.groupby（'Year'）['Sales'].tranform（'sum'）

。这里的技巧是使用

transform

，它返回与原始数据相同的长度因子，因此不会进行聚合。例如：

df['Tot Sales/Month']=df.groupby（['Month'，'Year']）['Sales'].transform（'sum'）

Btw，有一个广泛的部分，其中给出了与SQL的比较示例

df['Tot Sales/Year']=df.groupby（'Year'）['Sales'].transform（'sum'））

。这里的诀窍是使用

转换

，它返回与原始数据相同的长度因子，因此不会进行聚合。例如：

df['Tot Sales/Month']=df.groupby（['Month'，'Year']）['Sales'].transform（'sum'）

Btw，有一个广泛的部分，其中给出了与SQLI比较的示例，我认为第一句话不起作用。结果是下面的错误：“ValueError:传递的项目数错误3，placement暗示1”这对我来说很有效，您可以单独尝试这个完整的示例吗？好的，现在您放置了定义数据帧的代码，您的整个代码都工作了。不确定为什么创建“sales/month”列的代码不适用于我在回答中定义的数据帧。我还在想这是否与你如何设置数据框有关。我相信第一句话不管用。结果是下面的错误：“ValueError:传递的项目数错误3，placement暗示1”这对我来说很有效，您可以单独尝试这个完整的示例吗？好的，现在您放置了定义数据帧的代码，您的整个代码都工作了。不确定为什么创建“sales/month”列的代码不适用于我在回答中定义的数据帧。我还在想它是否与你如何设置数据帧有关。