熊猫群累计总和
我想在我的Pandas数据帧中添加累积和列,以便:
name | day | no
-----|-----------|----
Jack | Monday | 10
Jack | Tuesday | 20
Jack | Tuesday | 10
Jack | Wednesday | 50
Jill | Monday | 40
Jill | Wednesday | 110
变为:
Jack | Monday | 10 | 10
Jack | Tuesday | 30 | 40
Jack | Wednesday | 50 | 90
Jill | Monday | 40 | 40
Jill | Wednesday | 110 | 150
我试过各种连击df.groupby和df.agg(lambda x: cumsum(x))无济于事.提前致谢!
CT *_*Zhu 59
这应该做,需要groupby()两次.
In [52]:
print df
name day no
0 Jack Monday 10
1 Jack Tuesday 20
2 Jack Tuesday 10
3 Jack Wednesday 50
4 Jill Monday 40
5 Jill Wednesday 110
In [53]:
print df.groupby(by=['name','day']).sum().groupby(level=[0]).cumsum()
no
name day
Jack Monday 10
Tuesday 40
Wednesday 90
Jill Monday 40
Wednesday 150
注意,结果DataFrame有MultiIndex.
- 谢谢你的回答.我确实有一些疑问:1.你能解释一下'level = [0]'是什么意思吗？2.此外,正如您所看到的,您之前的数据框中有行号,一旦您执行累积总和,这些行号就会消失.有没有办法让他们回来？ (3认同)
- 1),索引号必须去,因为cumsum来自多行,如第二个数字40,是10 + 20 + 10,它应该得到哪个索引值？1,2或3？所以,让我们继续使用`name`和`day`作为`multiIndex`,这更有意义(`reset_index()`得到'int`索引,如果需要的话).2),`level = [0]`表示'groupby`是由`MultiIndex`的第1级操作,即列`name`. (3认同)
- 有一个微妙的错误:第一个`groupby()`默认对键进行排序,所以如果你在输入数据集的底部添加一个Jack-Thursday行,你将得到意想不到的结果.由于`groupby()`可以使用级别名称,我找到`df.groupby(['name','day'],sort = False).sum().groupby(by ='name').cumsum() .reset_index()`不那么神秘. (3认同)
- 这是一个多么残酷的方法来达到这个结果，希望这在熊猫中很简单 (2认同)
Dmi*_*eev 38
这适用于pandas 0.16.2
In[23]: print df
name day no
0 Jack Monday 10
1 Jack Tuesday 20
2 Jack Tuesday 10
3 Jack Wednesday 50
4 Jill Monday 40
5 Jill Wednesday 110
In[24]: df['no_cumulative'] = df.groupby(['name'])['no'].apply(lambda x: x.cumsum())
In[25]: print df
name day no no_cumulative
0 Jack Monday 10 10
1 Jack Tuesday 20 30
2 Jack Tuesday 10 40
3 Jack Wednesday 50 90
4 Jill Monday 40 40
5 Jill Wednesday 110 150
- 请注意，此答案（似乎等同于 [@vjayky 的更简单的解决方案](/sf/answers/3470475361/)）在通过 `name` 和 `day` 计算累积总和之前不会聚合name`（注意：结果中有 2 行 Jack+Tuesday）。这就是使它比 [CT Zhu 的答案](/sf/answers/1585583191/) 更简单的原因。 (3认同)
小智 22
修改@Dmitry的答案.这更简单,适用于pandas 0.19.0:
print(df)
name day no
0 Jack Monday 10
1 Jack Tuesday 20
2 Jack Tuesday 10
3 Jack Wednesday 50
4 Jill Monday 40
5 Jill Wednesday 110
df['no_csum'] = df.groupby(['name'])['no'].cumsum()
print(df)
name day no no_csum
0 Jack Monday 10 10
1 Jack Tuesday 20 30
2 Jack Tuesday 10 40
3 Jack Wednesday 50 90
4 Jill Monday 40 40
5 Jill Wednesday 110 150
- 如果您 [不需要两步聚合](/sf/ask/1585558341/#comment88124762_34130874)，这似乎是最简单的解决方案，如问题中所要求. (2认同)
你应该使用
df['cum_no'] = df.no.cumsum()
http://pandas.pydata.org/pandas-docs/version/0.19.2/generated/pandas.DataFrame.cumsum.html
另一种方式
import pandas as pd
df = pd.DataFrame({'C1' : ['a','a','a','b','b'],
'C2' : [1,2,3,4,5]})
df['cumsum'] = df.groupby(by=['C1'])['C2'].transform(lambda x: x.cumsum())
df
- 这将计算全局运行总计，而不是为每个组分别计算单独的总和。因此，给Jill-Monday分配了一个值130（“ 90”，作为所有Jack值的总和，加上“`40”，即Jill-Monday的值）。 (2认同)
小智 5
而不是df.groupby(by=['name','day']).sum().groupby(level=[0]).cumsum()
(见上文)你也可以做df.set_index(['name', 'day']).groupby(level=0, as_index=False).cumsum()
df.groupby(by=['name','day']).sum()实际上只是将两列都移动到MultiIndexas_index=False意味着您之后不需要调用reset_index
| 归档时间： |
|
| 查看次数： |
53191 次 |
| 最近记录： |