分组依据和引用移位值

Question

我正在尝试随着时间的推移跟踪单个商品的库存水平 比较预计的出站和可用性。有时间在 预计出站超过可用性以及何时 发生我希望Post Available 为 0。我正在尝试创建 Pre Available 和 Post Available 列如下：

 Item  Week  Inbound  Outbound  Pre Available  Post Available 
 A        1      500       200            500             300 
 A        2        0       400            300               0 
 A        3      100         0            100             100 
 B        1       50        50             50               0 
 B        2        0        80              0               0 
 B        3        0        20              0               0 
 B        4       20        20             20               0 

我试过下面的代码：

def custsum(x):

      total = 0
      for i, v in x.iterrows():
         total += df['Inbound'] - df['Outbound']
         x.loc[i, 'Post Available'] = total
         if total < 0:
            total = 0
      return x

df.groupby('Item').apply(custsum)

但我收到以下错误消息：

ValueError: Incompatible indexer with Series

我是 Python 的相对新手，因此我们将不胜感激。 谢谢！

Answer 1

不需要自定义函数，可以使用groupby+shift创建PreAvailable，使用clip（设置下边界为0）创建PostAvailable

df['PostAvailable']=(df.Inbound-df.Outbound).clip(lower=0)
df['PreAvailable']=df.groupby('item').apply(lambda x  : x['Inbound'].add(x['PostAvailable'].shift(),fill_value=0)).values
df
Out[213]: 
  item  Week  Inbound  Outbound  PreAvailable  PostAvailable
0    A     1      500       200         500.0            300
1    A     2        0       400         300.0              0
2    A     3      100         0         100.0            100
3    B     1       50        50          50.0              0
4    B     2        0        80           0.0              0
5    B     3        0        20           0.0              0
6    B     4       20        20          20.0              0

Answer 2

你可以使用

import numpy as np
import pandas as pd
df = pd.DataFrame({'Inbound': [500, 0, 100, 50, 0, 0, 20],
                   'Item': ['A', 'A', 'A', 'B', 'B', 'B', 'B'],
                   'Outbound': [200, 400, 0, 50, 80, 20, 20],
                   'Week': [1, 2, 3, 1, 2, 3, 4]})
df = df[['Item', 'Week', 'Inbound', 'Outbound']]


def custsum(x):
    total = 0
    for i, v in x.iterrows():
        total += x.loc[i, 'Inbound'] - x.loc[i, 'Outbound']
        if total < 0:
            total = 0
        x.loc[i, 'Post Available'] = total
    x['Pre Available'] = x['Post Available'].shift(1).fillna(0) + x['Inbound']
    return x

result = df.groupby('Item').apply(custsum)
result = result[['Item', 'Week', 'Inbound', 'Outbound', 'Pre Available', 'Post Available']]
print(result)

产生

  Item  Week  Inbound  Outbound  Pre Available  Post Available
0    A     1      500       200          500.0           300.0
1    A     2        0       400          300.0             0.0
2    A     3      100         0          100.0           100.0
3    B     1       50        50           50.0             0.0
4    B     2        0        80            0.0             0.0
5    B     3        0        20            0.0             0.0
6    B     4       20        20           20.0             0.0

---

此代码与您发布的代码的主要区别在于：

total += x.loc[i, 'Inbound'] - x.loc[i, 'Outbound']

x.loc 用于选择由i 索引的行中的numeric 值和 Inbound 或 Outbound 列。所以区别是数字和total 仍然是数字。相比之下，

total += df['Inbound'] - df['Outbound']

将整个系列添加到total。这导致后来的ValueError。 （有关发生这种情况的更多信息，请参见下文）。

---

条件式

if total < 0:
    total = 0

已移至 x.loc[i, 'Post Available'] = total 上方，以确保 Post Available 始终为非负数。

如果你不需要这个条件，那么整个for-loop可以被替换为

x['Post Available'] = (df['Inbound'] - df.loc['Outbound']).cumsum()

由于按列算术和cumsum 是矢量化操作，因此计算可以更快地执行。 不幸的是，条件使我们无法消除 for-loop 并将计算向量化。

---

在您的原始代码中，错误

ValueError: Incompatible indexer with Series

出现在这一行

x.loc[i, 'Post Available'] = total

因为total（有时）是一个系列而不是一个简单的数值。熊猫是 试图将右侧的系列与左侧的索引器(i, 'Post Available') 对齐。索引器(i, 'Post Available') 获取 转换为像 (0, 4) 这样的元组，因为 Post Available 是位于 索引 4。但(0, 4) 不是一维系列的合适索引 在右手边。

您可以通过将print(total) 放入您的for-loop 中来确认total 是系列， 或注意到

的右侧

total += df['Inbound'] - df['Outbound']

是一个系列。