python/pandas中的条件聚合

我有这样一个数据帧：

Amount  Month   Type
15      201801  Sale
34      201801  Purchase
 4      201801  Sale
86      201801  Purchase
23      201802  Sale
55      201802  Purchase
29      201802  Sale
...

Month  TotalSales TotalSalesRun TotalPurch TotalPurchRun
201801 19         19            120        120
201802 52         71            55         175

我想按月汇总，以便得到：

• 总销售额：总额（类型==销售额的金额）
• 总销售额（运行）：总和（金额，其中月份用于合计，按重塑，累计总和为：

  索引中的最后一列（如果需要）：
  
  df2 = df2.reset_index().rename_axis(None, axis=1)
  print (df2)
      Month  TotalPurchase  TotalPurchaseRun  TotalSale  TotalSaleRun
  0  201801            120               120         19            19
  1  201802             55               175         52            71
  
  我正在使用
  concat
  
  s1=df.groupby(['Month','Type']).sum()
  s2=s1.groupby(level=1).cumsum().add_prefix('running')
  s=pd.concat([s1,s2],axis=1).unstack()
  s.columns=s.columns.map('_'.join)
  
  或者让我们使用
  pivot\u表
  
  s1=df.pivot_table(index='Month',columns='Type',values='Amount',aggfunc='sum')
  Yourdf=pd.concat([s1,s1.cumsum().add_prefix('Rolling')],sort=False,axis=1)
  Yourdf
  Type    Purchase  Sale  RollingPurchase  RollingSale
  Month                                               
  201801       120    19              120           19
  201802        55    52              175           71
  
  您可以为此使用groupby。或者，在数据帧切片中使用条件。
  比如说,
  
  total_sales = sum(df["Amount"][df.Type == 'Sale'])
  
  使用内置的纯python
  sum
  会很慢。对于矢量化的sum，在末尾使用
  .sum（）
  total_sales = sum(df["Amount"][df.Type == 'Sale'])