Pandas與groupby的部分元素的累積和

Question

如果已經提出這個問題，請道歉，但提前感謝您的幫助。

在這個“不透明”的數據集中，有幾個由很多批次組成的訂單 。 每個地段都有一個給定的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

我的目標是創建一個CUMULATIVE_POINTS_PER_YEAR列，表示POINTS_PER_ORDER的累積總和，它本身就是每個Lot級別的PtsPerLot的總和。 因此，對於給定的批次， CumPtsPerYear將顯示給定年份中帳戶的所有POINTS_PER_ORDER的累計總數。

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

有任何想法嗎？ 我試過groupby.cumsum上PtsPerLot和另一groupby.cumsum上PtsPerOrder ，但它不是生產什么，我需要。

Answer 1

首先，計算PtsPerOrder 。 使用transform可以沿着數據幀的實際索引廣播每組中的計算結果：

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

然后在每個組中獲取該新列的第一個元素：

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

通過執行您要搜索的累積總和來結束計算。 它將跳過NA值。 您使用向前填充完成數據框：

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

0    12.0
1    12.0
2    19.0

Answer 2

首先，您需要使用轉換 ：

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

然后，為了創建另一個，我沒有找到另一種方法來找到每個組的最大值，對其做一個cumsum，並將其合並回來：

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')

結果如預期：

  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

要了解問題的第一部分PtsPerOrder ，您需要進行轉換 。 sum是一個聚合。 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

並使用它來創建一個新列...

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

我仍然沒有按照你的CumPtsPerYear規范...