有人能帮我在Python上创建等效的SUMIFS函数吗？

上周我基本上学会了Python，尽管我目前正在学习基础知识，但我的任务是在工作中用Python构建一个小程序。如果能在这方面提供帮助，我将不胜感激。 我想创建一个类似于excel版本的SUMIFS函数。我的数据包含现金流日期（CFDATE）、投资组合名称（portfolio）和现金流金额（CF）。我想根据它所属的投资组合和下跌的日期对CF求和。 我已经使用下面的代码实现了这一点，但是我很难将结果输出为一个数组/表，其中标题行包含所有投资组合，初始列是日期列表（删除重复项），CF根据每个组合（CFDATE，PORTFOLIO）进行分组

e、 期望输出的g： 公文包->“A”“B”“C” CFDATE

'2017年9月30日'300 “2017年10月31日”300 600

目前使用的代码：

from pandas import Series,DataFrame
from numpy import matrix
import numpy as np
import pandas as pd

df = DataFrame(pd.read_csv("...\Test.csv"))
portfolioMapping = sorted(list(set(df.PORTFOLIO)))
cfDateMapping = list(set(df.CFDATE))


for i in range(0,len(portfolioMapping)):
    dfVar = df.CF * np.where(df.PORTFOLIO == portfolioMapping[i] , 1, 0)
    for j in range(0,len(cfDateMapping)):
        dfVar1 = df.CF/df.CF * np.where(df.CFDATE == cfDateMapping[j] , 1, 0)
        print([portfolioMapping[i],[cfDateMapping[j]],sum(dfVar*dfVar1)])

数据基本上是这样的：

PORTFOLIO   CFDATE  CF
A   30/09/2017  300
A   31/10/2017  300
C   31/10/2017  300
B   30/09/2017  300
B   30/09/2017  300
C   30/09/2017  300
C   31/10/2017  300
C   31/10/2017  300

---

我非常感谢您在这件事上的帮助。

您只需使用熊猫的：

结果如下：

PORTFOLIO   A   B   C
CFDATE          
30/09/2017  300 600 300
31/10/2017  300 0   900

df.groupby(['PORTFOLIO', 'CFDATE']).sum()

                      CF
PORTFOLIO CFDATE         
A         30/09/2017  600
          31/10/2017  300
B         30/09/2017  600
C         30/09/2017  300
          31/10/2017  900

grouped = df.groupby(['PORTFOLIO', 'CFDATE'])

---

我认为在您的情况下，最好使用

groupby

方法，如下所示：

PORTFOLIO   A   B   C
CFDATE          
30/09/2017  300 600 300
31/10/2017  300 0   900

df.groupby(['PORTFOLIO', 'CFDATE']).sum()

                      CF
PORTFOLIO CFDATE         
A         30/09/2017  600
          31/10/2017  300
B         30/09/2017  600
C         30/09/2017  300
          31/10/2017  900

grouped = df.groupby(['PORTFOLIO', 'CFDATE'])

基本上，一旦您将

数据帧

df

，就可以对其执行各种方法（如

sum（）

，

mean（）

，

min（）

，

max（）

，等等）

此外，您可以将分组后的数据帧存储在对象中，如下所示：

PORTFOLIO   A   B   C
CFDATE          
30/09/2017  300 600 300
31/10/2017  300 0   900

df.groupby(['PORTFOLIO', 'CFDATE']).sum()

                      CF
PORTFOLIO CFDATE         
A         30/09/2017  600
          31/10/2017  300
B         30/09/2017  600
C         30/09/2017  300
          31/10/2017  900

grouped = df.groupby(['PORTFOLIO', 'CFDATE'])

这样可以更灵活地在之后执行不同的计算：

grouped.sum()
grouped.mean()
grouped.count()

您需要+

sum

+：

或：

---

非常感谢您的帮助这两种方法都非常有效，但我选择了pivot_table方法。这取决于您，但第一种解决方案在更大的df中更快。非常感谢您的帮助，伙计们，这个网站将使我的学习体验更加愉快。