Python 如何基于多列中的多个条件计算/求和值

我有一个包含大约10万行和 我想计算一下，对于每一行，对于每一种材料，在过去的30天里运送了多少QTY。 正如您在下面的示例中所看到的，计算的数量取决于“材料、装运日期”。 我试图编写非常基本的代码，但找不到将其应用于所有行的方法

df[(df['malzeme']==material) & (df['cikistarihi'] < shippingDate) & (df['cikistarihi'] >= (shippingDate-30))]['qty'].sum()

df[（df['malzeme']==材料）和（df['cikistarihi']=（shippingDate-30））['qty'].sum（）

材料 装运日期 数量 过去30天内装运的QTY A. 23.01.2019 8. 0 A. 28.01.2019 41 8. A. 31.01.2019 66 49 (8+41) A. 20.03.2019 67 0 B 17.02.2019 53 0 B 26.02.2019 35 53 B 11.03.2019 4. 88 (53+35) B 20.03.2019 67 106 (35+4+67)

---

您可以将

.groupby

与

.rolling

一起使用：

#将发货数据转换为日期时间：
df[“shippingDate”]=pd.to_datetime（df[“shippingDate”]，dayfirst=True）
#对值进行排序（如果尚未排序）
df=df.sort_值（[“物料”、“发货日期”]）
df[“过去30天内发货数量”]=(
df.分组依据（“材料”）
.滚动（“30D”，on=“shippingDate”，closed=“left”）[“数量”]
.sum（）
.fillna（0）
价值观
)
打印（df）

印刷品：

材料发货日期最近30天发货数量
0A 2019-01-23 80.0
1A 2019-01-28 41 8.0
2A 2019-01-31 66 49.0
3 A 2019-03-20 67 0.0
4b 2019-02-17 53 0.0
5 B 2019-02-26 35 53.0
6 B 2019-03-11 4 88.0
7 B 2019-03-20 67 39.0

---

---

编辑：在groupby之前添加

.sort_values（）

谢谢您的快速回复，但我想我遗漏了一些东西。当我更改日期和顺序时，出现了一些问题。数据={'material'：['A'，'A'，'A'，'A'，'B'，'B'，'B'，'shippingDate'：['2019-01-23'，'2019-01-28'，'2019-01-31'，'2019-01-20'，'2019-01-23'，'2019-03-28'，'2019-03-11'，'2019-03-20']，'qty'：[8,41,66,67,53,35,4,67]}打印如下：材料发货日期发货数量30D 1 A 2019-01-28 41 182.0 3 A 2019-01-20 67 115.0 5 B 2019-03-28 35 0.0 7 B 2019-03-20 67 39。0@CanerU我认为逻辑是完全正确的。您只需在主逻辑之前执行

df=df.sort_值（['material'，'shippingDate']）

即可确保日期按时间顺序排列。