在 Pandas 中索引 boolean 的组级别的累积计数

Question

我正在开发这个问题的答案，它只使用 boolean 索引而不是cumcount 。 预期的 output 是一个total_paid_invoices列，对于每家公司，它计算每条记录之前（在日期时间方面）支付的到达声音的数量。

    company invoice date
0   A   1234    20120201
1   A   1134    20120201
2   A   1011    20120201
3   A   1123    20121004
4   A   1111    20121004
5   A   1224    20121105
6   B   1156    20120403
7   B   2345    20120504
8   B   4567    20120504
9   B   8796    20120606

我在 for 循环中而不是在 groupby 中处理公司组：

for company in df.company.unique():
    df['total_paid_invoices'] = df.date.apply(
        lambda x: df.loc[(df.date<x)&(df.company==company)].shape[0]
    )

但是，output 在第五行不正确（值应该是5 ）：

    company invoice date    total_paid_invoices
0   A   1234    2012-02-01  0
1   A   1134    2012-02-01  0
2   A   1011    2012-02-01  0
3   A   1123    2012-10-04  4
4   A   1111    2012-10-04  4
5   A   1224    2012-11-05  4

这就是我问这个问题的原因：当我在第五行的日期做手术时

df.loc[(df.date<df.date.iloc[5])&(df.company=='A')].shape[0]

output 是5 。 为什么这没有进入 output dataframe 而我们在示例数据中看到的值的 rest 得到正确处理？

Answer 1

感谢@rafaelc 指出覆盖问题。 您需要为=两侧的company编制索引，以便一次将 lambda function 应用于 dataframe 的子集：

for company in df.company.unique():
    df.loc[df.company==company, 'total_paid_invoices'] = df.date.apply(
        lambda x: df.loc[(df.date<x)&(df.company==company)].shape[0]
    )