Pandas与groupby的部分元素的累积和

Question

如果已经提出这个问题，请道歉，但提前感谢您的帮助。

在这个“不透明”的数据集中，有几个由很多批次组成的订单 。 每个地段都有一个给定的Point值，如下所示：

CustID     Date         OrderNum   LotNum   PtsPerLot
A123       1/1/2015     1234       A        2            
A123       1/1/2015     1234       B        10
A123       1/1/2015     5678       A        7

我的目标是创建一个CUMULATIVE_POINTS_PER_YEAR列，表示POINTS_PER_ORDER的累积总和，它本身就是每个Lot级别的PtsPerLot的总和。 因此，对于给定的批次， CumPtsPerYear将显示给定年份中帐户的所有POINTS_PER_ORDER的累计总数。

CustID     Date         OrderNum   LotNum   PtsPerLot    *PtsPerOrder*    *CumPtsPerYear*
A123       1/1/2015     1234       A        2            12              12
A123       1/1/2015     1234       B        10           12              12
A123       1/1/2015     5678       A        7            7               19

有任何想法吗？ 我试过groupby.cumsum上PtsPerLot和另一groupby.cumsum上PtsPerOrder ，但它不是生产什么，我需要。

Answer 1

首先，计算PtsPerOrder 。 使用transform可以沿着数据帧的实际索引广播每组中的计算结果：

df['PtsPerOrder'] = df.groupby('OrderNum')['PtsPerLot'].transform(sum)

然后在每个组中获取该新列的第一个元素：

df['CumPtsPerYear'] = df.groupby('OrderNum')['PtsPerOrder'].head(1)

df
Out[27]: 
  CustID      Date  OrderNum LotNum  PtsPerLot  PtsPerOrder  CumPtsPerYear
0   A123  1/1/2015      1234      A          2           12           12.0
1   A123  1/1/2015      1234      B         10           12            NaN
2   A123  1/1/2015      5678      A          7            7            7.0

通过执行您要搜索的累积总和来结束计算。 它将跳过NA值。 您使用向前填充完成数据框：

df['CumPtsPerYear'].cumsum().ffill()

0    12.0
1    12.0
2    19.0

Answer 2

首先，您需要使用转换 ：

df['*PtsPerOrder*'] = df.groupby('OrderNum')['PtsPerLot'].transform(sum)

然后，为了创建另一个，我没有找到另一种方法来找到每个组的最大值，对其做一个cumsum，并将其合并回来：

weird_cumsum = df.groupby('OrderNum')['*PtsPerOrder*'].max().cumsum().to_frame()
weird_cumsum.columns = ['*CumPtsPerYear*']
weird_cumsum

          *CumPtsPerYear*
OrderNum                 
1234                   12
5678                   19

df.merge(weird_cumsum, left_on='OrderNum', right_index=True, how='left')

结果如预期：

  CustID       Date  OrderNum LotNum  PtsPerLot  *PtsPerOrder*  *CumPtsPerYear* 
0   A123 2015-01-01      1234      A          2             12             12  
1   A123 2015-01-01      1234      B         10             12             12   
2   A123 2015-01-01      5678      A          7              7             19   

Answer 3

要了解问题的第一部分PtsPerOrder ，您需要进行转换 。 sum是一个聚合。 所以使用.transform ：

In [10]: df
Out[10]:
            Date  OrderNum LotNum  PtsPerLot
CustID
A123    1/1/2015      1234      A          2
A123    1/1/2015      1234      B         10
A123    1/1/2015      5678      A          7

In [11]: df.groupby('OrderNum')['PtsPerLot'].transform('sum')
Out[11]:
CustID
A123    12
A123    12
A123     7
dtype: int64

并使用它来创建一个新列...

In [13]: df['PtsPerOrder'] = df.groupby('OrderNum')['PtsPerLot'].transform('sum')

In [14]: df
Out[14]:
            Date  OrderNum LotNum  PtsPerLot  PtsPerOrder
CustID
A123    1/1/2015      1234      A          2           12
A123    1/1/2015      1234      B         10           12
A123    1/1/2015      5678      A          7            7

我仍然没有按照你的CumPtsPerYear规范...