Python 分组中的累积总和

我有一个带有符号的时间序列数据，以及它们在特定时间的各自值

index,symbol,value
01:00,A,10
01:00,B,15
01:01,A,15
01:01,B,25
01:02,A,30
01:02,B,45

现在我想创建一个第四列，它在时间序列的基础上为每个符号提供累积值，但是从每个累积行中，将分别为每个符号减去第一行值

index,symbol,value,adjustedCumulativeSum
01:00,A,10,0
01:00,B,15,0
01:01,A,15,15
01:01,B,25,25
01:02,A,30,45
01:02,B,45,70

我知道如何做正常的累计和

df = df.reset_index().sort_values(['index','symbol'])
df['cumlativesum'] = df.groupby('symbol')['value'].cumsum()
df = df.set_index('index')

但我是否要从所有累计金额中扣除第0行的值

与自定义函数一起使用，并将第一个值减去：

---

您可以在

转换

函数中为每组减去第一个值（用

.iat[0]

提取）：

df['cumlativesum'] = df.groupby('symbol')['value'].transform(lambda g: g.cumsum()-g.iat[0])
df = df.set_index('index')

df
#      symbol   value   cumlativesum
#index          
#01:00      A      10          0
#01:00      B      15          0
#01:01      A      15         15
#01:01      B      25         25
#01:02      A      30         45
#01:02      B      45         70

---

应用和转换工作完全相同。区别是什么？它在这里的工作原理是相同的，因为应用和转换的

cumcum

返回序列的大小与

DataFrame

相同<如果将某些聚合函数（如

sum

与groupby-

apply

和

agg

一起使用，则使用code>Transform返回聚合输出，而

Transform

不返回。更好的是参见示例-参见。您还可以使用shift忽略第一行，类似于：

df.groupby（'y'）['z'].apply（lambda x:x.shift（-1）.cumsum（）.shift（+1））

df['cumlativesum'] = df.groupby('symbol')['value'].transform(lambda g: g.cumsum()-g.iat[0])
df = df.set_index('index')

df
#      symbol   value   cumlativesum
#index          
#01:00      A      10          0
#01:00      B      15          0
#01:01      A      15         15
#01:01      B      25         25
#01:02      A      30         45
#01:02      B      45         70

df.groupby('sy').val.apply(lambda x : x.cumsum()-x.values.tolist()[0])
Out[907]: 
0     0
1     0
2    15
3    25
4    45
5    70
Name: val, dtype: int64