部分求和 pandas 列

Question

我有兴趣对以下数据框进行部分求和：

    ID  Name    A   B
1   111 foo     248 123
2   222 bar     331 94
3   111 foo     266 102
4   111 foo     217 163
5   222 bar     194 102
6   222 bar     188 89

我可以将groupby 与sum 或agg 一起使用，例如：

df = df.groupby(["ID", "Name"]).agg(sum).reset_index()

产生：

    ID  Name    A   B
1   111 foo     731 388
2   222 bar     713 285

但是，我只想在 A 列通过某个预先指定的值之前合并索引，然后开始第二次分组。当那个通过预先指定的值时，开始第三个分组，依此类推。例如，如果阈值设置为 500，则代码将产生：

    ID  Name    A   B
1   111 foo     514 225
2   222 bar     525 196
3   111 foo     217 163
4   222 bar     188 89

原始 df 中的第 1 行和第 3 行被分组。第 2 行和第 4 行被分组。第 5 行不与第 1 行和第 3 行分组，因为已超过 500 的阈值。第 6 行同样未分组。

行的顺序无关紧要。哪些行与哪些其他行结合并不重要。我只需要使用阈值对列值进行分组的能力。我很难过，尤其是在试图找出 Pythonic 解决方案而不是逐行遍历数据帧并显式评估每一行时。任何反馈将不胜感激。

Answer 1

您可以使用自定义函数传递给 apply 函数来执行此操作。 首先使用 cumsum 标识组结束，使用新的组 id 创建一个额外的列，然后在新的中间数据帧上执行另一个 groupby。

我已将阈值作为函数中的参数。

def grouper(x,threshold=500):
    A = (x['A'].cumsum().values/threshold).astype(int)
    loc = (np.diff(A)!=0).nonzero()[0]+1
    A[loc] = A[loc]-1 
    x['C'] = A
    
    return x.groupby(['C'])['A','B'].sum().reset_index(drop=True)
    
    

df.groupby(["ID", "Name"]).apply(grouper,threshold=500)