Skip to main content
 首页 » 编程设计

python之如何对 pandas DF 条目和进度列值进行分组

2025年05月04日9birdshome

我按客户、年份和月份对我的 Dataframe 进行了分组:

my_list = ['Customer','Year','Month'] 
g = df.groupby(my_list)['COST'].sum() 
 
Customer    Year  Month COST     
1000061     2013  12     122.77 
            2014  1      450.40 
                  2      249.61 
                  3      533.58 
                  4      337.32 
                  5      482.49 
1000063     2013  12     875.67 
            2014  1      376.95 
                  2      308.90 
                  3      469.76 
                  4      394.34 

但是,现在我想添加 2 个新列(进度列 COST,一两个职位): - 1. 下个月的预计费用 - 2.第2个月的预计费用

Customer    Year  Month COST    COST_NextMonth  COST_2Months 
1000061    2013  12     122.77  450.40      249.61 
           2014  1      450.40  249.61      533.58 
                 2      249.61  533.58      337.32 
                 3      533.58  337.32      482.49 
                 4      337.32  482.49      0 
                 5      482.49  0           0 
1000063    2013  12     875.67  376.95      308.9 
           2014  1      376.95  308.9       469.76 
                 2      308.90  469.76      394.34 
                 3      469.76  394.34      0 
                 4      394.34  0           0 

我如何实现这一目标?

请您参考如下方法:

您可以使用 IIUC concat与 shift和 fillna :

print pd.concat([g,  
                 g.groupby(level=0).shift(-1).fillna(0),  
                 g.groupby(level=0).shift(-2).fillna(0)], axis=1,               
                keys=['COST','COST_NextMonth','COST_2Months']) 
 
                       COST  COST_NextMonth  COST_2Months 
Customer Year Month                                       
1000061  2013 12     122.77          450.40        249.61 
         2014 1      450.40          249.61        533.58 
              2      249.61          533.58        337.32 
              3      533.58          337.32        482.49 
              4      337.32          482.49          0.00 
              5      482.49            0.00          0.00 
1000063  2013 12     875.67          376.95        308.90 
         2014 1      376.95          308.90        469.76 
              2      308.90          469.76        394.34 
              3      469.76          394.34          0.00 
              4      394.34            0.00          0.00 

下一个解决方案 reset_index :

df['COST_NextMonth'] = g.reset_index().groupby('Customer')['COST'].shift(-1).fillna(0) 
df['COST_2Months'] =   g.reset_index().groupby('Customer')['COST'].shift(-2).fillna(0) 
print df 
 
    Customer  Year  Month    COST  COST_NextMonth  COST_2Months 
0    1000061  2013     12  122.77          450.40        249.61 
1    1000061  2014      1  450.40          249.61        533.58 
2    1000061  2014      2  249.61          533.58        337.32 
3    1000061  2014      3  533.58          337.32        482.49 
4    1000061  2014      4  337.32          482.49          0.00 
5    1000061  2014      5  482.49            0.00          0.00 
6    1000063  2013     12  875.67          376.95        308.90 
7    1000063  2014      1  376.95          308.90        469.76 
8    1000063  2014      2  308.90          469.76        394.34 
9    1000063  2014      3  469.76          394.34          0.00 
10   1000063  2014      4  394.34            0.00          0.00