python / pandas中的条件聚合

Posted 2021-03-27

我有这样的数据帧：

Amount  Month   Type
15      201801  Sale
34      201801  Purchase
 4      201801  Sale
86      201801  Purchase
23      201802  Sale
55      201802  Purchase
29      201802  Sale
...

我希望按月汇总它，以便我得到：

• 总销售额：总和（类型==销售额）
• 总销售额（运行）：总和（月份的数量<=当前月份和类型==销售额）
• 总购买额：总和（类型==购买的金额）
• 总购买量（运行）：总和（月份的数量<=当前月份和类型==购买）

所以......这样的事情：

Month  TotalSales TotalSalesRun TotalPurch TotalPurchRun
201801 19         19            120        120
201802 52         71            55         175

我玩了一些东西，但我是lambda函数的新手，我怀疑这是我需要的地方。

答案

我正在使用concat

s1=df.groupby(['Month','Type']).sum()
s2=s1.groupby(level=1).cumsum().add_prefix('running')
s=pd.concat([s1,s2],axis=1).unstack()
s.columns=s.columns.map('_'.join)

或者让我们使用pivot_table

s1=df.pivot_table(index='Month',columns='Type',values='Amount',aggfunc='sum')
Yourdf=pd.concat([s1,s1.cumsum().add_prefix('Rolling')],sort=False,axis=1)
Yourdf
Type    Purchase  Sale  RollingPurchase  RollingSale
Month                                               
201801       120    19              120           19
201802        55    52              175           71

另一答案

使用GroupBy.sum进行聚合，通过Series.unstack和DataFrame.add_prefix重新计算DataFrame.join和DataFrame.cumsum的累计和：

df1 = df.groupby(['Month', 'Type'])['Amount'].sum().unstack().add_prefix('Total')
df2 = df1.join(df1.cumsum().add_suffix('Run')).sort_index(axis=1)
print (df2)
Type    TotalPurchase  TotalPurchaseRun  TotalSale  TotalSaleRun
Month                                                           
201801            120               120         19            19
201802             55               175         52            71

最后如果需要来自index的列：

df2 = df2.reset_index().rename_axis(None, axis=1)
print (df2)
    Month  TotalPurchase  TotalPurchaseRun  TotalSale  TotalSaleRun
0  201801            120               120         19            19
1  201802             55               175         52            71

另一答案

您可以使用groupby。或者，在切片数据帧时使用条件。例如，

total_sales = sum(df["Amount"][df.Type == 'Sale'])