[英]Pandas groupby cumulative sum start from 0
我有以下 pandas DataFrame(没有最后一列):
name day show-in-appointment previous-missed-appointments
0 Jack 2020/01/01 show 0
1 Jack 2020/01/02 no-show 0
2 Jill 2020/01/02 no-show 0
3 Jack 2020/01/03 show 1
4 Jill 2020/01/03 show 1
5 Jill 2020/01/04 no-show 1
6 Jack 2020/01/04 show 1
7 Jill 2020/01/05 show 2
8 jack 2020/01/06 no-show 1
9 jack 2020/01/07 show 2
我想添加最后一列作为未出现约会的累计总和(每个人之前未出现的总和)。 对于名为 (previous-missed-appointments) 的新列中的每个人,它应该从 0 开始。
以下是更容易重现的数据:
df = pd.DataFrame(
data=np.asarray([
['Jack', 'Jack', 'Jill', 'Jack', 'Jill', 'Jill', 'Jack', 'Jill', 'jack', 'jack'],
[
'2020/01/01',
'2020/01/02',
'2020/01/02',
'2020/01/03',
'2020/01/03',
'2020/01/04',
'2020/01/04',
'2020/01/05',
'2020/01/06',
'2020/01/07',
],
['show', 'no-show', 'no-show', 'show', 'show', 'no-show', 'show', 'show', 'no-show', 'show'],
]).T,
columns=['name', 'day', 'show-in-appointment'],
)
我尝试了df.groupby
和df.agg(lambda x: cumsum(x))
的各种组合但无济于事。
import pandas as pd
df.name = df.name.str.capitalize()
df['order'] = df.index
df.day = pd.to_datetime(df.day)
df['noshow'] = df['show-in-appointment'].map({'show': 0, 'no-show': 1})
df = df.sort_values(by=['name', 'day'])
df['previous-missed-appointments'] = df.groupby('name').noshow.cumsum()
df.loc[df.noshow == 1, 'previous-missed-appointments'] -= 1
df = df.sort_values(by='order')
df = df.drop(columns=['noshow', 'order'])
我认为您可以使用的两种主要方法是groupby
和cumsum
看看下面的代码:
df.sort_values(by=['name', 'date'], inplace=True, ignore_index=True)
df['check'] = np.where(df['show-in-appointment']=='no-show', 1.0, 0.0)
df['previous-miss'] = df.groupby('name')['check'].cumsum()
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.