Python 熊猫：在熊猫中复制excel公式

我拥有的是一个数据帧，如：

   total_sum  pid
   5          2
   1          2
   6          7
   3          7
   1          7
   1          7
   0          7
   5         10
   1         10
   1         10

我想要的是另一个列

pos

如：

   total_sum  pid    pos
   5          2      1
   1          2      2 
   6          7      1
   3          7      2
   1          7      3
   1          7      3
   0          7      4
   5         10      1
   1         10      2
   1         10      2

背后的逻辑是：

新

pid

的初始

pos

值为

1

如果

pid

没有改变，但

总和

改变，则

pos

的值将增加1（例如前两行），否则

pos

的值是前一个值（例如后两行）

我尝试的是：

 df['pos'] = 1
 df['pos'] = np.where(((df.pid.diff(-1)) == 0 & (df.total_sum.diff(-1) == 0)),
                                                     df.pos, (np.where(df.total_sum.diff(1) < 1, df.pos + 1, df.pos )))

---

说明：

在

pid

上执行

groupby

，将相同的

pid

分组为不同的组。在每个组上，应用以下操作：

_对每组调用

diff

diff

返回整数或

NaN

指示两个连续行之间的差异。每个组的第一行没有前一行，因此对于每个组的第一行，

diff

始终返回

NaN

：

df.groupby('pid').total_sum.transform(lambda x: x.diff()

Out[120]:
0    NaN
1   -4.0
2    NaN
3   -3.0
4   -2.0
5    0.0
6   -1.0
7    NaN
8   -4.0
9    0.0
Name: total_sum, dtype: float64

_

ne

检查是否有任何值不是

0

。它在非

0

0时返回

True

df.groupby('pid').total_sum.transform(lambda x: x.diff().ne(0))

Out[121]:
0     True
1     True
2     True
3     True
4     True
5    False
6     True
7     True
8     True
9    False
Name: total_sum, dtype: bool

_

cumsum

是连续添加每行的累积总和。在Python中，

True

被解释为

1

，

False

被解释为

0

。每个组的第一个总是

True

，因此

cumsum

总是从

1

开始，将每行相加以获得所需的输出

df.groupby('pid').total_sum.transform(lambda x: x.diff().ne(0).cumsum())

Out[122]:
0    1
1    2
2    1
3    2
4    3
5    3
6    4
7    1
8    2
9    2
Name: total_sum, dtype: int32

---

将所有命令链接到一个命令行，如下所示：

df['pos'] = df.groupby('pid').total_sum.transform(lambda x: x.diff().ne(0).cumsum())

Out[99]:
   total_sum  pid  pos
0          5    2    1
1          1    2    2
2          6    7    1
3          3    7    2
4          1    7    3
5          1    7    3
6          0    7    4
7          5   10    1
8          1   10    2
9          1   10    2

---

第5行和第6行是否应该具有相同的

pos

值？已修复，抱歉，。为了完成这件事，我一直在发疯。因此粘贴了一个轻微的键入结果。

cumsum（）在做什么？你能解释一下吗？我想理解它，而不是仅仅去做它，给我几分钟：）@LeeKan：我补充了一步一步的解释。
df['pos'] = df.groupby('pid').total_sum.transform(lambda x: x.diff().ne(0).cumsum())

Out[99]:
   total_sum  pid  pos
0          5    2    1
1          1    2    2
2          6    7    1
3          3    7    2
4          1    7    3
5          1    7    3
6          0    7    4
7          5   10    1
8          1   10    2
9          1   10    2