我有一个带有 LTD 和 CycleCount 列的 Pandas 数据框,需要像这样填充 CycleSum 列:
LTD CycleCount CycleSum
1/1/2017 1 1
1/1/2017 1 1
2/1/2017 0 1
2/1/2017 0 1
3/1/2017 1 2
3/1/2017 1 2
4/1/2017 1 3
4/1/2017 1 3
我尝试过:
df['CycleSum']=df.groupby('LTD')['CycleCount'].prod()
在 CycleCount 中获得具有 1/0 值的唯一 LTD,这对我来说是第一步,因为我有一个组:
LTD CycleCount
1/1/2017 1
2/1/2017 0
3/1/2017 1
4/1/2017 1
但我找不到一种方法如何在这个组上制作 cumsum,然后将其转换回原始数据帧。
CycleCount 只能为 1 或 0,并且每个 LTD 都相同。但是对于 CycleCount=1 的任何不同 LTD,CycleSum 必须增加 在 Excel 中很容易做到,但对我来说在 Python 中很难实现。
有什么建议吗?一次行动的目的
PS 我以前是 VBA 开发人员,也许这是一个菜鸟案例,但要摆脱 Excel 逻辑是极其困难的。
请您参考如下方法:
执行 groupby + prod 后跟 cumsum 然后 join
df.join(df.groupby('LTD').CycleCount.prod().cumsum().rename('CycleSum'), on='LTD')
LTD CycleCount CycleSum
0 2017-01-01 1 1
1 2017-01-01 1 1
2 2017-02-01 0 1
3 2017-02-01 0 1
4 2017-03-01 1 2
5 2017-03-01 1 2
6 2017-04-01 1 3
7 2017-04-01 1 3
这些也会产生相同的结果
df.join(df.groupby('LTD').CycleCount.all().cumsum().rename('CycleSum'), on='LTD')
df.join(df.groupby('LTD').CycleCount.max().cumsum().rename('CycleSum'), on='LTD')
LTD CycleCount CycleSum
0 2017-01-01 1 1
1 2017-01-01 1 1
2 2017-02-01 0 1
3 2017-02-01 0 1
4 2017-03-01 1 2
5 2017-03-01 1 2
6 2017-04-01 1 3
7 2017-04-01 1 3
