Python 按给定列分组的累积产品

我有以下数据帧：

df = pd.DataFrame([[1, 21, 20, 1.10],
                   [1, 22, float('NaN'), 1.10], 
                   [1, 23, float('NaN'), 1.12], 
                   [2, 21, 15, 1.30],
                   [2, 22, float('NaN'), 1.12],
                   [3, 21, 25, 1.15], 
                   [3, 22, float('NaN'), 1.00],
                   [3, 23, float('NaN'), 1.13]], columns=['User', 'Age', 'Salary', 'Rate'])

╔══════╦═════╦════════╦══════╗
║ User ║ Age ║ Salary ║ Rate ║
╠══════╬═════╬════════╬══════╣
║    1 ║  21 ║ 20     ║ 1.10 ║
║    1 ║  22 ║ NaN    ║ 1.10 ║
║    1 ║  23 ║ NaN    ║ 1.12 ║
║    2 ║  21 ║ 15     ║ 1.30 ║
║    2 ║  22 ║ NaN    ║ 1.12 ║
║    3 ║  21 ║ 25     ║ 1.15 ║
║    3 ║  22 ║ NaN    ║ 1.00 ║
║    3 ║  23 ║ NaN    ║ 1.13 ║
╚══════╩═════╩════════╩══════╝

我需要获得薪资列中每个缺失值的累积乘积，如下所示：

╔══════╦═════╦════════╦══════╗
║ User ║ Age ║ Salary ║ Rate ║
╠══════╬═════╬════════╬══════╣
║    1 ║  21 ║ 20     ║ 1.10 ║
║    1 ║  22 ║ 22     ║ 1.10 ║
║    1 ║  23 ║ 24.2   ║ 1.12 ║
║    2 ║  21 ║ 15     ║ 1.30 ║
║    2 ║  22 ║ 19.5   ║ 1.12 ║
║    3 ║  21 ║ 25     ║ 1.15 ║
║    3 ║  22 ║ 28.75  ║ 1.00 ║
║    3 ║  23 ║ 28.75  ║ 1.13 ║
╚══════╩═════╩════════╩══════╝

我尝试了几种选择，例如：

df.groupby('User')['Rate'].cumprod().mul('Salary')

但这些都不起作用。有没有办法避免for循环

---

谢谢

如果第一份工资始终不为空，您可以

ffill

it。此外，根据您的输出，您似乎需要在相乘之前将总和下移1行

(df.groupby('User')['Rate']
   .apply(lambda x: x.cumprod().shift())
   .mul(df['Salary'].ffill())
   .fillna(df['Salary']))

0    20.00
1    22.00
2    24.20
3    15.00
4    19.50
5    25.00
6    28.75
7    28.75
dtype: float64

---

哦，天哪。。我是如此接近！！谢谢大家!@Snedecor结果与您的问题中描述的结果不同，因此请交叉检查数学是否正确，谢谢：-）完成！我编辑了我的问题，因为我以前做了一些更改，但忘记编辑代码。@Snedecor仍然存在一些差异，我们中的一个肯定是不正确的；）另外，对于那些感兴趣的人，我添加了一些额外的行，以便获得发布的确切输出。df['Salary']=df.groupby（'User'）['Rate'].cumprod（）.mul（df['Salary'].ffill（））.shift（），然后是df[~df['Salary'].isna（），'Salary']=df[~df['Salary'].isna（），'Salary']@cs95你能把这个加到你的答案里吗！？非常感谢。