從 Pandas 的特定年份開始增量分組

Question

我有一個看起來像這樣的數據框：

df_dict = {'country': ['Japan','Japan','Japan','Japan','Japan','Japan','Japan', 'Greece','Greece','Greece','Greece','Greece','Greece','Greece'],
           'year': [1970, 1982, 1999, 2014, 2017, 2018, 2021,1981, 1987, 2002, 2015, 2018, 2019, 2021],
           'value': [320, 416, 172, 652, 390, 570, 803, 144, 273, 129, 477, 831, 664,117]}

df = pd.DataFrame(df_dict)

    country year    value
0   Japan   1970    320
1   Japan   1982    416
2   Japan   1999    172
3   Japan   2014    652
4   Japan   2017    390
5   Japan   2018    570
6   Japan   2021    803
7   Greece  1981    144
8   Greece  1987    273
9   Greece  2002    129
10  Greece  2015    477
11  Greece  2018    831
12  Greece  2019    664
13  Greece  2021    117

我試圖從2014年開始按年份對數據進行分組，但我似乎無法使用groupby(['country','year'])['value']

實際上，我想總結每個country year大於或等於2014的值。 所以我的預期輸出應該是這個樣子：

    country year    value
0   Japan   2014    1560
1   Japan   2015    1560
2   Japan   2016    1560
3   Japan   2017    1950
4   Japan   2018    2520
5   Japan   2019    2520
6   Japan   2020    2520
7   Japan   2021    3323
8   Greece  2014    546
9   Greece  2015    1023
10  Greece  2016    1023
11  Greece  2017    1023
12  Greece  2018    1854
13  Greece  2019    2518
14  Greece  2020    2518
15  Greece  2021    2635

Japan在2014的值是year <= 2014的所有先前值的總和， 2015 Japan的值是year <= 2014的所有先前值的總和，依此類推。 我想總結的最后一年是數據框中所有國家/地區的2021 。

Answer 1

首先通過MultiIndex.from_product創建MultiIndex ，然后通過Series.clip和 aggregate sum轉換像2014年這樣低的年份，通過GroupBy.cumsum添加缺失的年份，並通過Series.reindex使用每個國家的累計和：

mux = pd.MultiIndex.from_product([df['country'].unique(), range(2014, df['year'].max()+1)],
                                 names=['country','year'])

df = (df.groupby(['country',df['year'].clip(lower=2014)])['value']
        .sum()
        .reindex(mux, fill_value=0)
        .groupby(level=0)
        .cumsum()
        .reset_index())
print (df)
   country  year  value
0    Japan  2014   1560
1    Japan  2015   1560
2    Japan  2016   1560
3    Japan  2017   1950
4    Japan  2018   2520
5    Japan  2019   2520
6    Japan  2020   2520
7    Japan  2021   3323
8   Greece  2014    546
9   Greece  2015   1023
10  Greece  2016   1023
11  Greece  2017   1023
12  Greece  2018   1854
13  Greece  2019   2518
14  Greece  2020   2518
15  Greece  2021   2635

Answer 2

如果您不介意創建新的數據框，可以考慮使用下面的代碼作為替代方案。

遍歷國家和年份列表，並針對每個組合，計算截至並包括該年份的 value 列的累計總和。 您可以通過過濾數據框以僅包含當前國家和年份 <= 當前年份的行，然后應用cumsum()方法來執行此操作。 最后，將結果行附加到空數據框。

years = list(range(2014, 2022))
countries = df['country'].unique()
result_df = pd.DataFrame(columns=['country', 'year', 'value'])

for country in countries:
    for year in years:
        df_filtered = df[(df['country'] == country) & (df['year'] <= year)]
        cumulative_sum = df_filtered['value'].cumsum().iloc[-1]
        result_df = pd.concat([result_df, pd.DataFrame({'country': country, 'year': year, 'value': cumulative_sum}, index=[0])], ignore_index=True)

輸出：

 > result_df country year value 0 Japan 2014 1560 1 Japan 2015 1560 2 Japan 2016 1560 3 Japan 2017 1950 4 Japan 2018 2520 5 Japan 2019 2520 6 Japan 2020 2520 7 Japan 2021 3323 8 Greece 2014 546 9 Greece 2015 1023 10 Greece 2016 1023 11 Greece 2017 1023 12 Greece 2018 1854 13 Greece 2019 2518 14 Greece 2020 2518 15 Greece 2021 2635