Pandas 中未索引数据的累积总和（按日期）

Question

我有一种情况，我试图根据几个标准对大型数据集中的值求和。

我已经设法使用带有另一个脚本的嵌套循环来实现这一点，但希望使用 Pandas 可能会更容易。

我的数据集如下所示。

date         regionNo    sales
2020-04-15   1           2
2020-04-14   1           3
2020-04-15   2           3
2020-04-14   2           1

我想添加一列，表示某个地区到该特定日期的累计销售额。

条件句是这样的：

salesSum = sum(['sales'] where ['date'] <= "*row date*" and ['region'] == "*row region*")

对上述代码表示歉意。这是一种 python-y 伪代码。

问题是我不知道如何引用表中的值。就像 excel 中的单元格引用一样。

这在熊猫中可能吗？

我希望我的数据框看起来像这样：

date         regionNo    sales  salesSum
2020-04-15   1           2      5
2020-04-14   1           3      3
2020-04-15   2           3      4
2020-04-14   2           1      1

任何帮助将不胜感激。

Answer 1

这种反向引用通常由窗口函数完成。但是，在您的情况下，您依赖于 date 列的值。所以固定窗口不起作用。您可以使用DataFrame.groupby.apply 按“regionNo”分组。请注意，这样做很慢，不建议这样做。但不幸的是，我不知道有任何其他方法可以实现这种“条件聚合”。