Python 仅适用于所有以前的值的条件运行求和
假设我有以下数据帧:Python 仅适用于所有以前的值的条件运行求和,python,pandas,grouping,cumulative-sum,Python,Pandas,Grouping,Cumulative Sum,假设我有以下数据帧: df = pd.DataFrame({'Event': ['A', 'B', 'A', 'A', 'B', 'C', 'B', 'B', 'A', 'C'], 'Date': ['2019-01-01', '2019-02-01', '2019-03-01', '2019-03-01', '2019-02-15', '2019-03-15', '2019-04-05', '2
df = pd.DataFrame({'Event': ['A', 'B', 'A', 'A', 'B', 'C', 'B', 'B', 'A', 'C'],
'Date': ['2019-01-01', '2019-02-01', '2019-03-01', '2019-03-01', '2019-02-15',
'2019-03-15', '2019-04-05', '2019-04-05', '2019-04-15', '2019-06-10'],
'Sale': [100, 200, 150, 200, 150, 100, 300, 250, 500, 400]})
df['Date'] = pd.to_datetime(df['Date'])
df
Event Date Sale
A 2019-01-01 100
B 2019-02-01 200
A 2019-03-01 150
A 2019-03-01 200
B 2019-02-15 150
C 2019-03-15 100
B 2019-04-05 300
B 2019-04-05 250
A 2019-04-15 500
C 2019-06-10 400
我希望得到以下结果:
Event Date Sale Total_Previous_Sale
A 2019-01-01 100 0
B 2019-02-01 200 0
A 2019-03-01 150 100
A 2019-03-01 200 100
B 2019-02-15 150 200
C 2019-03-15 100 0
B 2019-04-05 300 350
B 2019-04-05 250 350
A 2019-04-15 500 450
C 2019-06-10 400 100
其中,df['Total_Previous_Sale']
是事件(df['Sale']
)在其相邻日期(df['date']
)之前发生时的总销售额(df['Sale']
)。比如说,
- 2019-01-01年之前发生的活动A的销售总额为0
- 2019-03-01年之前发生的活动A的销售总额为100,且
- 2019-04-15年之前发生的活动A的销售总额为100+150+200=450
df['Sale_Total'] = [df.loc[(df['Event'] == df.loc[i, 'Event']) & (df['Date'] < df.loc[i, 'Date']),
'Sale'].sum() for i in range(len(df))]
但它会产生NaN或产生不想要的结果。对于
多索引
,首先对每个事件进行聚合求和
和日期
,然后按一级事件
进行分组,并使用shift
和lambda函数的累积和,最后将连接在一起:
s = (df.groupby(['Event', 'Date'])['Sale']
.sum().groupby(level=0)
.apply(lambda x: x.shift(1).cumsum())
.fillna(0)
df = df.join(s.rename('Total_Previuos_Sale'), on=['Event','Date'])
print (df)
Event Date Sale Total_Previuos_Sale
0 A 2019-01-01 100 0.0
1 B 2019-02-01 200 0.0
2 A 2019-03-01 150 100.0
3 A 2019-03-01 200 100.0
4 B 2019-02-15 150 200.0
5 C 2019-03-15 100 0.0
6 B 2019-04-05 300 350.0
7 B 2019-04-05 250 350.0
8 A 2019-04-15 500 450.0
9 C 2019-06-10 400 100.0
最后,我可以找到一个更好更快的方法来获得想要的结果。事实证明这很容易。你可以试试:
df['Total_Previous_Sale'] = df.groupby('Event')['Sale'].cumsum() \
- df.groupby(['Event', 'Date'])['Sale'].cumsum()
啊,谢谢你的回答。看来你的技巧也可以用来回答问题。请您回答好吗?
s = (df.groupby(['Event', 'Date'])['Sale']
.sum().groupby(level=0)
.apply(lambda x: x.shift(1).cumsum())
.fillna(0)
df = df.join(s.rename('Total_Previuos_Sale'), on=['Event','Date'])
print (df)
Event Date Sale Total_Previuos_Sale
0 A 2019-01-01 100 0.0
1 B 2019-02-01 200 0.0
2 A 2019-03-01 150 100.0
3 A 2019-03-01 200 100.0
4 B 2019-02-15 150 200.0
5 C 2019-03-15 100 0.0
6 B 2019-04-05 300 350.0
7 B 2019-04-05 250 350.0
8 A 2019-04-15 500 450.0
9 C 2019-06-10 400 100.0
df['Total_Previous_Sale'] = df.groupby('Event')['Sale'].cumsum() \
- df.groupby(['Event', 'Date'])['Sale'].cumsum()