Python 仅适用于1列的累积和
我只想在一个特定的列上应用cumsum,因为我在不同的列中有其他必须保持不变的值 这是我到目前为止的剧本Python 仅适用于1列的累积和,python,pandas,cumulative-sum,Python,Pandas,Cumulative Sum,我只想在一个特定的列上应用cumsum,因为我在不同的列中有其他必须保持不变的值 这是我到目前为止的剧本 df.groupby(by=['name','day']).sum().groupby(level=[0]).cumsum() 然而,这个脚本的结果是,我的df中的所有列都将累积。必须累计总和的唯一列是数据 根据要求,以下是一些示例数据: df = pd.DataFrame({'ID': ["880022443344556677787", "880022443344556677782",
df.groupby(by=['name','day']).sum().groupby(level=[0]).cumsum()
然而,这个脚本的结果是,我的df中的所有列都将累积。必须累计总和的唯一列是数据
根据要求,以下是一些示例数据:
df = pd.DataFrame({'ID': ["880022443344556677787", "880022443344556677782", "880022443344556677787",
"880022443344556677782", "880022443344556677787", "880022443344556677782",
"880022443344556677781"],
'Month': ["201701", "201701", "201702", "201702", "201703", "201703", "201703"],
'Usage': [20, 40, 100, 50, 30, 30, 2000],
'Sec': [10, 15, 20, 1, 5, 6, 30]})
ID Month Sec Usage
0 880022443344556677787 201701 10 20
1 880022443344556677782 201701 15 40
2 880022443344556677787 201702 20 100
3 880022443344556677782 201702 1 50
4 880022443344556677787 201703 5 30
5 880022443344556677782 201703 6 30
6 880022443344556677781 201703 30 2000
期望输出
ID Month Sec Usage
0 880022443344556677787 201701 10 20
1 880022443344556677782 201701 15 40
2 880022443344556677787 201702 20 120
3 880022443344556677782 201702 1 90
4 880022443344556677787 201703 5 150
5 880022443344556677782 201703 6 120
6 880022443344556677781 201703 30 2000
我认为您需要COL,而不需要cumsum
-我通过列表理解动态查找它们
:
cumsum_col = 'Usage'
df1 = df.groupby(by=['ID','Month'], sort=False).sum()
cols = [col for col in df1.columns if col != cumsum_col]
df1 = df1.set_index(cols, append=True).groupby(level=[0]).cumsum().reset_index()
print (df1)
ID Month Sec Usage
0 880022443344556677787 201701 10 20
1 880022443344556677782 201701 15 40
2 880022443344556677787 201702 20 120
3 880022443344556677782 201702 1 90
4 880022443344556677787 201703 5 150
5 880022443344556677782 201703 6 120
6 880022443344556677781 201703 30 2000
编辑:
编辑1:
在您的示例中,数据不是聚合的sum
,因此对数据进行了一些修改(解决方案类似,但与另一个不同):
考虑数据帧
df
df = pd.DataFrame(dict(
name=list('aaaaaaaabbbbbbbb'),
day=np.tile(np.arange(2).repeat(4), 2),
data=np.arange(16)
))
首先,通过在groupby
语句后命名列,对特定列执行cumsum
其次,您可以使用join将其添加回数据帧df
d2 = df.groupby(['name', 'day']).data.sum().groupby(level=0).cumsum()
df.join(d2, on=['name', 'day'], rsuffix='_cum')
data day name data_cum
0 0 0 a 6
1 1 0 a 6
2 2 0 a 6
3 3 0 a 6
4 4 1 a 28
5 5 1 a 28
6 6 1 a 28
7 7 1 a 28
8 8 0 b 38
9 9 0 b 38
10 10 0 b 38
11 11 0 b 38
12 12 1 b 92
13 13 1 b 92
14 14 1 b 92
15 15 1 b 92
您已经可以将累积总和('cumsum'
)作为对df.groupby
的聚合。您需要将其“cumsum”
作为字符串作为“data”列的聚合函数
df.groupby(['name','day']).agg({'data': 'cumsum'})
这是错误的,因为首先需要aggregatesum
,然后仅按第一级分组聚合cumsum。是否可以使用cumsum数据添加一个附加列,而不是替换它?不确定发生了什么,但当我将其应用于我的df时,您的第一个方法正在工作,但具有cumsum数据的附加列的新方法返回NaN
值。你知道发生了什么吗?看来你的真实数据有更多的列,所以需要更改df1。重置索引(级别=[2,3,4],drop=True)
-每个级别都有更多的列。但我修改了另一个解决方案,等一下。
#join cumsum series to aggregate df1
df3 = df1.join(s, rsuffix='_cumsum').reset_index()
print (df3)
ID Month Sec Usage Usage_cumsum
0 880022443344556677781 201703 30 2000 2000
1 880022443344556677782 201701 21 70 70
2 880022443344556677782 201702 1 50 120
3 880022443344556677787 201701 30 120 120
4 880022443344556677787 201703 5 30 150
df = pd.DataFrame(dict(
name=list('aaaaaaaabbbbbbbb'),
day=np.tile(np.arange(2).repeat(4), 2),
data=np.arange(16)
))
d2 = df.groupby(['name', 'day']).data.sum().groupby(level=0).cumsum()
df.join(d2, on=['name', 'day'], rsuffix='_cum')
data day name data_cum
0 0 0 a 6
1 1 0 a 6
2 2 0 a 6
3 3 0 a 6
4 4 1 a 28
5 5 1 a 28
6 6 1 a 28
7 7 1 a 28
8 8 0 b 38
9 9 0 b 38
10 10 0 b 38
11 11 0 b 38
12 12 1 b 92
13 13 1 b 92
14 14 1 b 92
15 15 1 b 92
df.groupby(['name','day']).agg({'data': 'cumsum'})