Pandas中的多索引组合反向累积

Question

我想对二维相空间中的所有剩余条目求和。对于我有一个 2d 多索引并且我想单独获取每个 v1 的 cumsum 的情况，执行以下操作就足够了：

df['output'] = df.loc[::-1].groupby(['v1'])['value'].cumsum()[::-1]

v1	v2	value	output
1	1	1	3
1	2	1.	2.
1	3	1	1.
2	1	1.	3.
2	2	1.	2.
2	3.	1.	1.
3	1	1.	3.
3	2	1.	2.
3	3	1.	1.

但我想同时集成 v1 和 v2。例如如果 v1=2 和 v2=3，我想要结果 (v1=2 & v2=3) + (v1=3 & v2&3)。或者对于同一张表，想要的结果：

v1	v2	value	output
1	1	1	9
1	2	1.	6.
1	3	1	3.
2	1	1.	6.
2	2	1.	4.
2	3.	1.	2.
3	1	1.	3.
3	2	1.	2.
3	3	1.	1.

任何想法如何做到这一点？

Answer 1

我不确定您的确切要求，但要在数据框中执行此操作，最好只遍历每一行并分别对索引大于索引值的行中的值求和，对于行：

    for i, data in df.iterrows():
        df.loc[i, 'output'] = df.loc[(df.v2 >= row.v2) & (df.v1 >= row.v1), 'value'].sum()

对于给定的数据框，这会产生预期的结果：

    df = pd.DataFrame({'v1': [1, 1, 1, 2, 2, 2, 3, 3, 3],
                       'v2': [1, 2, 3, 1, 2, 3, 1, 2, 3],
                       'value': [1, 1, 1, 1, 1, 1, 1, 1, 1]})
    for i, data in df.iterrows():
        df.loc[i, 'output'] = df.loc[(df.v2 >= df.v2[i]) & (df.v1 >= df.v1[i]), 'value'].sum()

    print(df)

        v1  v2  value  output
     0   1   1      1     9.0
     1   1   2      1     6.0
     2   1   3      1     3.0
     3   2   1      1     6.0
     4   2   2      1     4.0
     5   2   3      1     2.0
     6   3   1      1     3.0
     7   3   2      1     2.0
     8   3   3      1     1.0

请注意，在此处迭代行与调用 groupby 和 cumsum 一样有效（如果不是更高）。更好的方法是将其视为numpy 中的下三角（子）二维数组，并对它们执行求和运算。