Skip to main content
 首页 » 编程设计

python之如何在 dataframe python 中创建累计和

2024年12月31日10JeffreyZhao

如何根据需求列在数据框 python 中创建累计总和 (new_supply) 来自表

item   Date       supply  demand 
A     2018-01-01  -       10 
A     2018-01-02  -       15 
A     2018-01-03  100     30 
A     2018-01-04  -       10 
A     2018-01-05  -       40 
A     2018-01-06  50      50 
A     2018-01-07  -       10 
B     2018-01-01  -       20 
B     2018-01-02  -       30 
B     2018-01-03  20      60 
B     2018-01-04  -       20 
B     2018-01-05  100     10 
B     2018-01-06  -       20 
B     2018-01-07  -       30 

从上表中新建所需的表

item   Date       supply  demand  new_supply 
A     2018-01-01  -       10      - 
A     2018-01-02  -       15      - 
A     2018-01-03  100     30      55 
A     2018-01-04  -       10      - 
A     2018-01-05  -       40      - 
A     2018-01-06  50      50      100 
A     2018-01-07  -       10      - 
B     2018-01-01  -       20      - 
B     2018-01-02  -       30      - 
B     2018-01-03  20      60      110 
B     2018-01-04  -       20      - 
B     2018-01-05  100     10      140 
B     2018-01-06  -       20      - 
B     2018-01-07  -       30      - 

请您参考如下方法:

我相信你需要DataFrameGroupBy.cumsum与 numpy.where与 isnumeric用于按列 supply 仅为数字值设置新值:

m = df['supply'].str.isnumeric() 
g = m.iloc[::-1].cumsum() 
 
df['new'] = np.where(m, df.groupby(['item',g])['demand'].cumsum(), '-') 
print (df) 
   item        Date supply  demand  new 
0     A  2018-01-01      -      10    - 
1     A  2018-01-02      -      15    - 
2     A  2018-01-03    100      30   55 
3     A  2018-01-04      -      10    - 
4     A  2018-01-05      -      40    - 
5     A  2018-01-06     50      50  100 
6     A  2018-01-07      -      10    - 
7     B  2018-01-01      -      20    - 
8     B  2018-01-02      -      30    - 
9     B  2018-01-03     20      60  110 
10    B  2018-01-04      -      20    - 
11    B  2018-01-05    100      10   30 
12    B  2018-01-06      -      20    - 
13    B  2018-01-07      -      30    - 

或者:

m = df['supply'].str.isnumeric() 
 
df['new'] = np.where(m, df.groupby('item')['demand'].cumsum(), '-') 
print (df) 
   item        Date supply  demand  new 
0     A  2018-01-01      -      10    - 
1     A  2018-01-02      -      15    - 
2     A  2018-01-03    100      30   55 
3     A  2018-01-04      -      10    - 
4     A  2018-01-05      -      40    - 
5     A  2018-01-06     50      50  155 
6     A  2018-01-07      -      10    - 
7     B  2018-01-01      -      20    - 
8     B  2018-01-02      -      30    - 
9     B  2018-01-03     20      60  110 
10    B  2018-01-04      -      20    - 
11    B  2018-01-05    100      10  140 
12    B  2018-01-06      -      20    - 
13    B  2018-01-07      -      30    - 

如果需要所有值:

df['new'] = df.groupby('item')['demand'].cumsum() 
print (df) 
   item        Date supply  demand  new 
0     A  2018-01-01      -      10   10 
1     A  2018-01-02      -      15   25 
2     A  2018-01-03    100      30   55 
3     A  2018-01-04      -      10   65 
4     A  2018-01-05      -      40  105 
5     A  2018-01-06     50      50  155 
6     A  2018-01-07      -      10  165 
7     B  2018-01-01      -      20   20 
8     B  2018-01-02      -      30   50 
9     B  2018-01-03     20      60  110 
10    B  2018-01-04      -      20  130 
11    B  2018-01-05    100      10  140 
12    B  2018-01-06      -      20  160 
13    B  2018-01-07      -      30  190