如何使用滚动总计构建Python函数？

我希望构建一个函数，为下面的数据帧按代码逐日创建滚动总计，其中日期上每个代码的输入从日期上每个代码的输出中减去，此小计是从前几天的总计中减去的，但总计必须大于等于0（我在下面的所需输出中包含了一个示例）

下面是我的输入和使用的函数的示例，以及我所需输出的示例

df1-In

s = """        Date    Code    Quantity
0   10/01/2019  A   20
3   11/01/2019  A   2
7   12/01/2019  A   4
11  13/01/2019  A   10
"""

df2-输出

s ='''    Date     Code   Quantity
0   11/01/2019  A   5
3   12/01/2019  A   100
4   15/01/2019  A   1
6   16/01/2019  A   2
'''

s = """        Date    Code    Quantity
0   10/01/2019  A   20
3   11/01/2019  A   17
7   12/01/2019  A   0
11  13/01/2019  A   10
12  14/01/2019  A   10
15  15/01/2019  A   9
16  16/01/2019  A   7
"""

代码

df3 = df1.merge(df2, how='outer', left_on=['date', 'code'], right_on=['date', 'code']).fillna(0)
df3['qty1'] = df3['qty_x'] - df3['qty_y']
df3['qty'] = 0
def final_adder(x):
    x.qty_x = x.qty_x
    print(x)
    return x
df_final = df3.groupby(['code']).apply(final_adder)
df_final['qty'] = df_final['qty'].clip(lower=0)
df_final.drop(['qty_x', 'qty_y','qty1'], inplace=True, axis=1)


          date code  qty_x  qty_y qty1  qty
0   10/01/2019   A   20.0    0.0  20.0    0
3   11/01/2019   A    2.0    5.0  -3.0    0
7   12/01/2019   A    4.0  100.0 -96.0    0
11  13/01/2019   A   10.0    0.0  10.0    0

所需输出

s ='''    Date     Code   Quantity
0   11/01/2019  A   5
3   12/01/2019  A   100
4   15/01/2019  A   1
6   16/01/2019  A   2
'''

s = """        Date    Code    Quantity
0   10/01/2019  A   20
3   11/01/2019  A   17
7   12/01/2019  A   0
11  13/01/2019  A   10
12  14/01/2019  A   10
15  15/01/2019  A   9
16  16/01/2019  A   7
"""

---

关于SO，有一整套问题涉及具有限制的累积运算（例如：“当累积和变为负值时重置为零”）。这与具有已知重置点的累积运算不同（例如，来自另一列，或存在NaN等），因为条件涉及累积值本身

在当前的熊猫或numpy中，没有干净的方法以矢量化的方式实现这一点

我所知道的最好（最快）的方法是使用

numba

。根据您的问题稍加修改和调整：

来自numba import njit
@njit
def poscumsum（x）：
总数=0
结果=np.空（x.形）
对于枚举（x）中的i，y：
总计+=y
如果总数<0：
总数=0
结果[i]=总数
返回结果

使用此功能，您可以执行以下操作：

a=df1.设置索引（['code'，'Date']）
b=df2.set_索引（['Code'，'Date']）
idx=a.index.union（b.index.sort_值（）
df3=（a.reindex（idx，fill_值=0）-b.reindex（idx，fill_值=0））
#可选：在每个组内将日期重采样为每日：
df3=df3.groupby（'Code'）。重采样（'D'，level='Date'）。sum（）
df3['Quantity']=df3.groupby（'Code'）['Quantity'].transform(
lambda g:poscumsum（g.values））

关于问题中提供的数据：

>>df3
量
代码日期
A 2019-01-10 20
2019-01-11        17
2019-01-12         0
2019-01-13        10
2019-01-14        10
2019-01-15         9
2019-01-16         7

如果愿意，也可以使用“合并”。下面是一个示例，其中保存了所有中间结果（用于法医分析）：

df3=df1.merge（df2，on=['code'，'Date']，how='outer'，sort=True）。fillna（0）
#可选：在每个组内将日期重采样为每日：
df3=df3.set_index（['Code'，'Date']）.groupby（'Code'）.resample（'D'，level='Date'）.sum（）
df3['diff']=df3['Quantity\u x']-df3['Quantity\u y']
df3['cumdiff']=df3.groupby（'Code'）['diff'].transform(
lambda g:poscumsum（g.values））
df3
#输出：
数量×数量×差异
代码日期
A 2019-01-10 20.0 0.0 20.0 20.0
2019-01-11         2.0         5.0  -3.0     17.0
2019-01-12         4.0       100.0 -96.0      0.0
2019-01-13        10.0         0.0  10.0     10.0
2019-01-14         0.0         0.0   0.0     10.0
2019-01-15         0.0         1.0  -1.0      9.0
2019-01-16         0.0         2.0  -2.0      7.0

最简单的是合并后的for循环。感谢您的帮助，当我有一个“代码”时，它可以完美地工作。但是，如果我引入第二个“代码”，“B”，我会遇到以下错误：ValueError:无法处理非唯一的多索引！不确定“如果我引入第二个代码”是什么意思.我测试了多个代码混合在一起，效果很好（不包括

code，date

但不在

df1

中）。您可能希望用额外的示例更新您的问题（当前建议的答案不适合您的需要的示例）。我现在已经修复了错误，我刚刚编辑了df2的输入数据和所需的输出。如果代码有“数量”，我希望它在未来的每一天出现，即使它没有出现在每天的输入或输出数据帧中。我想更新的问题现在显示了这一点。我希望这是有意义的。我明白了：您想要整个外部连接。没问题。更新的答案。当然，请参阅更新答案中的“可选重采样”：只需在进行累积和之前，为每个代码组插入日期的每日重采样：df3=df3.groupby（'Code'）。重采样（'D'，level='Date'）。sum（）。