熊猫：有两个条件的组内累计和答案

【问题标题】：Pandas: Cumulative sum within group with two conditions熊猫：有两个条件的组内累计和
【发布时间】：2021-08-09 08:21:38
【问题描述】：

我有一个如下表所示的 DataFrame：

index	x	y	value_1	cumsum_1	cumsum_2
0	0.1	1	12	12	0
1	1.2	1	10	12	10
2	0.25	1	7	19	10
3	1.0	2	3	0	3
4	0.72	2	5	5	10
5	1.5	2	10	5	13

所以我的目标是计算value_1 的累积和。但有两个条件必须考虑。

首先：如果值x 小于1，则cumsum() 写入列cumsum_1，如果x 大于列cumsum_2。
第二个：y 列表示组 (1,2,3,...)。当y 中的值发生变化时，cumsum() 操作会重新开始。我认为grouby() 方法会有所帮助。

有人知道吗？

【问题讨论】：

你能显示预期的输出以使其更清晰吗？
期望输出显示在cumsum_1和cumsum_2列中。
提示：(1) df['x'] < 1 为您提供一列布尔值，(2) 将此列乘以 df['value_1'] 会得到 df['x'] 小于 1 的值，而在其他地方则为 0 , (3) 取本列的cumsum, (4) 对不小于1的值重复。这样就解决了第一部分。

标签： python pandas cumsum

【解决方案1】：

可以在x x >= 1的条件下使用.where()，根据条件临时修改value_1的值为0，然后groupby cumsum，如下：

.groupby 函数满足第二个条件，.where() 函数满足第一个条件，详情如下：

.where() 在条件为真时保留列值，并在条件为假时更改值（在本例中为 0）。因此，对于列x value_1 将保留其值以提供给后续cumsum 步骤以累积value_1 的过滤值。对于条件 x value_1 的值被屏蔽为 0。这些 0 传递给 cumsum 进行累加实际上与取出 value_1 的原始值进行累加的效果相同进入专栏cumsum_1。

第二行代码将value_1 的值累加到cumsum_2 列，而x >= 1 的相反条件。这两行代码实际上将value_1 分配给cumsum_1 和@987654345 @ 根据x x >= 1，分别。

（感谢@tdy 建议简化代码）

df['cumsum_1'] = df['value_1'].where(df['x'] < 1, 0).groupby(df['y']).cumsum()
df['cumsum_2'] = df['value_1'].where(df['x'] >= 1, 0).groupby(df['y']).cumsum()

结果：

print(df)

      x  y  value_1  cumsum_1  cumsum_2
0  0.10  1       12        12         0
1  1.20  1       10        12        10
2  0.25  1        7        19        10
3  1.00  2        3         0         3
4  0.72  2        5         5         3
5  1.50  2       10         5        13

【讨论】：

+1，但可以通过Series.where避开中间列，例如df['cumsum_1'] = df.value_1.where(df.x < 1, 0).groupby(df.y).cumsum()
@tdy 哦，是的！谢谢你的建议。 :-)

【解决方案2】：

这是另一种使用枢轴的方法：

(df.assign(ge1=df['x'].ge(1).map({True: 'cumsum_2', False: 'cumsum_1'}))
   .pivot(columns='ge1', values='value_1').fillna(0).groupby(df['y']).cumsum()
   .astype(int)
)

输出：

ge1  cumsum_1  cumsum_2
0          12         0
1          12        10
2          19        10
3           0         3
4           5         3
5           5        13

完整代码：

df[['cumsum_1', 'cumsum_2']] = (df.assign(ge1=df['x'].ge(1).map({True: 'cumsum_2', False: 'cumsum_1'}))
                                  .pivot(columns='ge1', values='value_1').fillna(0).groupby(df['y']).cumsum()
                                  .astype(int)
                                )

（或使用pd.concat 连接）

输出：

   index     x  y  value_1  cumsum_1  cumsum_2
0      0  0.10  1       12        12         0
1      1  1.20  1       10        12        10
2      2  0.25  1        7        19        10
3      3  1.00  2        3         0         3
4      4  0.72  2        5         5         3
5      5  1.50  2       10         5        13

【讨论】：

【解决方案3】：

与上述方法类似，但更具有链接性。

df[['cumsum_1a', 'cumsum2a']] = (df.
 assign(
    v1 = lambda temp: temp.x >= 1,
    v2 = lambda temp: temp.v1 * temp.value_1,
    v3 = lambda temp: ~ temp.v1 * temp.value_1
    ).
 groupby('y')[['v2', 'v3']].
 cumsum()
 )

【讨论】：