有許多與條件累積和相關(guān)的查詢和答案（Cumsum Reset based on a condition in Pandas，Reset Cumulative sum based on condition Pandas，Cumsum Reset based on a condition in Pandas）。但我無法解決我面臨的問題。以下是我擁有的部分?jǐn)?shù)據(jù)，要求是記錄“類型”的變化和相應(yīng)的累計(jì)總和。 type sale y 10 y 20 y 5 n 30 n 20 n 5 y 10 y 40 y 15 我的要求是獲得類型變化和累計(jì)銷售額的連續(xù)計(jì)數(shù)，如下所示。 type sale tp_cum cum_sale y 10 1 10 y 20 1 30 y 5 1 35 n 30 2 30 n 20 2 50 n 5 2 55 y 10 3 10 y 40 3 50 y 15 3 65我嘗試對(duì)下面的代碼進(jìn)行各種修改，但并不完全符合要求。請(qǐng)幫忙。sales['cum_sale'] = stock.groupby('type')['sale'].cumsum()數(shù)據(jù)框：df = pd.DataFrame([["y",10 ], ["y",20 ],["y",5 ],["n",30 ],["n",20 ],["n",5 ],["y",10 ], ["y",40 ],["y",15 ]],columns = ["type","sale"])
1 回答
SMILET
TA貢獻(xiàn)1796條經(jīng)驗(yàn) 獲得超4個(gè)贊
這是一個(gè)選項(xiàng)，您首先創(chuàng)建tp_cum列，然后cumsum()
import pandas as pd
import numpy as np
df = pd.DataFrame([["y",10 ],
["y",20 ],
["y",5 ],
["n",30 ],
["n",20 ],
["n",5 ],
["y",10 ],
["y",40 ],
["y",15 ]],columns = ["type","sale"])
df["type2"] = np.cumsum((df["type"] != df["type"].shift(1)))
df["cum_sale"] = df[["sale","type2"]].groupby("type2").cumsum()
df
輸出：
type sale type2 cum_sale
0 y 10 1 10
1 y 20 1 30
2 y 5 1 35
3 n 30 2 30
4 n 20 2 50
5 n 5 2 55
6 y 10 3 10
7 y 40 3 50
8 y 15 3 65
添加回答
舉報(bào)
0/150
提交
取消