对按一列分组并取决于其他列值的数据框列中的所有值求和

Question

我在特定月份为每个人都有一个数字，用整数表示。我需要为每个人添加这些数字，直到每行的指定日期。我想在 python DataFrame 上使用 apply 函数来使其具有可扩展性。

例如：

df = pd.DataFrame(
{'number': [10, 20 , 30, 40, 50], 'individual': ["John", "John" , "Eleonor", "Eleonor", "Eleonor"], 'date': [1, 2, 3, 4, 5]})

df=

   number individual  date
0      10       John     1
1      20       John     2
2      30    Eleonor     3
3      40    Eleonor     4
4      50    Eleonor     5

当日期严格低于行中的数字时，我想对数字求和，如果没有日期符合条件的行，则输入 NA。 这里的结果是：

   number individual  date
0      NA       John     1
1      10       John     2
2      NA    Eleonor     3
3      30    Eleonor     4
4      70    Eleonor     5

Answer 1

我根据要求找到了使用 apply 方法的解决方案，它允许与 dask 一起使用：

df['number'] = df.groupby("individual")['number'].apply(lambda x: x.expanding().sum().shift())

产生

   number individual  date
0     NaN       John     1
1    10.0       John     2
2     NaN    Eleonor     3
3    30.0    Eleonor     4
4    70.0    Eleonor     5

Answer 2

df = pd.DataFrame({'num': [10, 20 , 30, 40, 50], 
                   'ind': ["John", "John" , "Eleonor", "Eleonor", "Eleonor"], 
                   'date': [1, 2, 3, 4, 5]})

df['x'] = df.groupby('ind')['num'].shift()
df['y'] = df.groupby('ind')['x'].cumsum()
print(df)

产量

   num      ind  date     x     y
0   10     John     1   NaN   NaN
1   20     John     2  10.0  10.0
2   30  Eleonor     3   NaN   NaN
3   40  Eleonor     4  30.0  30.0
4   50  Eleonor     5  40.0  70.0