Python 熊猫cumsum+；计算多个列

阿罗哈

我有以下数据帧

stores = [1,2,3,4,5]
weeks = [1,1,1,1,1]
df = pd.DataFrame({'Stores' : stores,
                  'Weeks' : weeks})

df = pd.concat([df]*53)
df['Weeks'] = df['Weeks'].add(df.groupby('Stores').cumcount())

df['Target'] = np.random.randint(400,600,size=len(df)) 
df['Actual'] = np.random.randint(350,800,size=len(df)) 
df['Variance %'] = (df['Target'] - df['Actual']) / df['Target']
df.loc[df['Variance %'] >= 0.01, 'Status'] = 'underTarget'
df.loc[df['Variance %'] <= 0.01, 'Status'] = 'overTarget'
df['Status'] = df['Status'].fillna('atTarget')

df.sort_values(['Stores','Weeks'],inplace=True)

现在，我要做的是，对超过或低于目标但在状态改变时重置的门店进行累计计数

我认为这将是最好的方法来做这件事（和许多变种），但这并没有重置计数器

s = df.groupby(['Stores','Weeks','Status'])['Status'].shift().ne(df['Status'])
df['Count'] = s.groupby(df['Stores']).cumsum()

我的逻辑是按我的相关列分组，然后做一个！=移位以重置累积和

当然，我已经搜索了很多不同的问题，但我似乎无法解决这个问题。有谁能向我解释一下解决这个问题的最佳方法是什么

我希望这里的一切都是清晰和可复制的。如果您需要任何其他信息，请告诉我

预期产量

  Stores    Weeks   Target  Actual  Variance %  Status Count
0   1   1   430 605 -0.406977   overTarget             1
0   1   2   549 701 -0.276867   overTarget             2
0   1   3   471 509 -0.080679   overTarget             3
0   1   4   549 378 0.311475    underTarget            1  # Reset here as status changes
0   1   5   569 708 -0.244288   overTarget             1  # Reset again.
0   1   6   574 650 -0.132404   overTarget             2
0   1   7   466 623 -0.336910   overTarget             3

---

在创建密钥之后，请尝试使用

pd.Series.groupby（）

cumsum

s=df.groupby('Stores')['Status'].apply(lambda x : x.ne(x.shift()).ne(0).cumsum())
df['Count']=df.groupby([df.Stores,s]).cumcount()+1

---

您的预期输出是什么？已编辑的问题=）！先生，你是个天才。快速提问，在我的头脑中（这可能是我无法让它工作的原因），我总是按周分组，为什么在这种情况下不需要这样做？@DataNearroil因为您的周对于每个商店都是唯一的，如果您按周分组，您将得到唯一的行，这意味着（商店+周）可以是示例df的唯一键。所以groupby不起作用了谢谢！最后一个问题为什么

.ne（0）

据我所知

x:x.ne（x.shift（））

返回一个

true

或

false

boolean？@datanovel，就像一个编码样式：-）

s=df.groupby('Stores')['Status'].apply(lambda x : x.ne(x.shift()).ne(0).cumsum())
df['Count']=df.groupby([df.Stores,s]).cumcount()+1