从 Pandas 数据框中的现有列派生的新累积值列

Question

我是 python 和 pandas 的新手，我想知道是否有一种“pythonic”方式来完成以下任务：我有一个如下所示的数据框：

L1  L2  L3
X   1   50
X   2   100
Z   1   15
X   3   200
Z   2   10
Y   1   1
Z   3   20
Y   2   10
Y   3   100

我正在尝试对行进行排序并创建一个附加列，以升序显示从 L3 派生的累积值。我需要的输出如下：

L1  L2  L3  New
X   3   200 0.40000
X   2   100 0.60000
X   1   200 1.00000
Y   3   100 0.90090
Y   2   10  0.99099
Y   1   1   1.00000
Z   3   20  0.44444
Z   1   15  0.77778
Z   2   10  1.00000

“新”下第 1 行的值 (0.4000) 表示 200/500（L1 的所有 L3 值的总和）。第二个值 (0.6000) 就是 300/500，依此类推。为 X、Y 和 Z 的每个值重复“循环”。

有人可以帮忙吗？谢谢。

Answer 1

您可以使用以下代码行：

df.groupby("L1", as_index=False).apply(lambda x : pd.expanding_sum(x.sort("L3", ascending=False)["L3"])/x["L3"].sum())

一些解释：

• df.groupby("L1", as_index=False) 确实按列 L1 对数据帧进行分组，因此对每个值（X、Y 和 Z）进行以下计算
• .apply() 将该函数应用于每个组：
  • pd.expanding_sum(x.sort("L3", ascending=False)["L3"]) 取“L3”列的累积总和，但首先按“L3”中的值排序
  • .../x["L3"].sum() 然后将其除以该组中所有“L3”值的总和。

这给出了：

In [9]: df["new"] = df.groupby("L1", as_index=False).apply(lambda x : pd.expanding_sum(x.sort("L3", ascending=False)["L3"])/x["L3"].sum())

In [10]: df
Out[10]: 
  L1  L2   L3       new
0  X   1  200  0.800000
1  X   2  100  1.000000
2  Z   1   15  0.777778
3  X   3  200  0.400000
4  Z   2   10  1.000000
5  Y   1    1  1.000000
6  Z   3   20  0.444444
7  Y   2   10  0.990991
8  Y   3  100  0.900901

或排序：

In [16]: df.sort(["L1", "L3"], ascending=[True, False])
Out[16]: 
  L1  L2   L3       new
0  X   1  200  0.800000
3  X   3  200  0.400000
1  X   2  100  1.000000
8  Y   3  100  0.900901
7  Y   2   10  0.990991
5  Y   1    1  1.000000
6  Z   3   20  0.444444
2  Z   1   15  0.777778
4  Z   2   10  1.000000

Answer 2

正如this 帖子中所述，该解决方案仅适用于 0.13 版的 Pandas。对于当前版本（0.12），解决方法如下：

In [20]: new_column = df.groupby('L1', as_index=False).apply(lambda x : pd.expanding_sum(x.sort('L3', ascending=False)['L3'])/x['L3'].sum())
In [21]: df["new"] = new_column.reset_index(level=0, drop=True)