[英]Groupby pandas dataframe two columns with same value
我想对“A”和“B”中具有相同值的两列进行cumsum
groupby
值分组 dataframe 的示例
A B ValueA ValueB
0 b a 1 3
1 c a 2 2
2 a b 2 4
现在,如果该值在“A”列中,则考虑将 ValueA 设置为cumsum
如果该值在“B”列中,则考虑将 ValueB 设置为cumsum
编辑:我会像cumsum
一样执行shift().rolling()
,我试着把它放在 groupby 之后,但结果不正确。
代码
from numpy.core.numeric import NaN
df = pd.DataFrame({
'A' : ['b','c','a','c','a','c','b','c'],
'B': ['a', 'a', 'b', 'b','c','a','a','b'],
'ValueA':[1,2,2,1,2,4,7,1],
'ValueB':[3,2,4,3,1,2,4,5]
})
print(df)
df[['sumA','sumB']] = (
df[['ValueA','ValueB']].stack(dropna=False)
.groupby(df[['A','B']].stack().tolist())
.cumsum()
.unstack()
)
print(df)
#groupby(...).shift().rolling(2, min_periods=2).sum()
df['Expected_Shift_RollingA'] = [NaN,NaN,5,NaN,4,2,7,5]
df['Expected_Shift_RollingB'] = [NaN,NaN,NaN,5,3,4,4,10]
print(df)
您可以stack
值列,在堆叠的 AB 列上使用groupby
,然后cumsum
和unstack
返回原始形状
df[['sumA','sumB']] = (
df[['ValueA','ValueB']].stack()
.groupby(df[['A','B']].stack().tolist())
.cumsum()
.unstack()
)
print(df)
A B ValueA ValueB sumA sumB
0 b a 1 3 1 3
1 c a 2 2 2 5
2 a b 2 4 7 5
3 c b 1 3 3 8
编辑:查看原始数据后,缺少一些值,因此需要调整上述方法。
通过用 0 填充缺失值。
df[['ValueA','ValueB']].fillna(0).stack()
.groupby(...
或者在stack
时保持nan
。
df[['ValueA','ValueB']].stack(dropna=False)
.groupby(...
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.