熊猫：计算分组剩余时间

Question

我需要从最旧的日期开始按日期对表格进行排序。通过将 name 和 kind 字段分组并应用总和来创建总计字段。现在，对于每一行，我需要计算同一 name-kind 分组中的剩余时间。

csv 看起来像这样：

date       name kind duration total remaining
1-1-2017   a    1    10       100   ? should be 90
2-1-2017   b    1    5        35    ? should be 30
3-1-2017   a    2    3        50    ? should be 47
4-1-2017   b    2    1        25    ? should be 24
5-1-2017   a    1    8        100   ? should be 82
6-1-2017   b    1    2        35    ? should be 33
7-1-2017   a    2    3        50    ? should be 44
8-1-2017   b    2    6        25    ? should be 18
...

我的问题是，当DataFrame 按name 和kind 分组时，如何计算剩余值？

我最初的方法是移动列并将持续时间的值彼此相加：

df['temp'] = df.groupby(['name', 'kind'])['duration'].apply(lambda x: x.shift() + x)

然后：

df['duration'] = df.apply(lambda x: x['total'] - x['temp'], axis=1)

但它没有按预期工作。

有没有一种干净的方法可以做到这一点，或者以某种方式使用iloc, ix, loc 是要走的路？

谢谢。

Answer 1

你可以这样做：

df["cumsum"] = df.groupby(['name', 'kind'])["duration"].cumsum()
df["remaining"] = df["total"] - df["cumsum"]

可能要小心重置索引。