计算累计总和向前的大熊猫
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了计算累计总和向前的大熊猫相关的知识，希望对你有一定的参考价值。
假设我们有以下数据框。
Date Type Country Value
0 2016-04-30 A NL 1
1 2016-04-30 A BE 2
2 2016-04-30 B NL 3
3 2016-04-30 B BE 4
4 2016-04-30 C NL 5
5 2016-04-30 C BE 6
6 2016-04-30 C FR 7
7 2016-04-30 C UK 8
8 2016-05-31 A NL 9
9 2016-05-31 A BE 10
10 2016-05-31 A FR 11
11 2016-05-31 B NL 12
12 2016-05-31 B BE 13
13 2016-05-31 B FR 14
14 2016-05-31 C NL 15
15 2016-05-31 C BE 16
16 2016-05-31 C UK 17
17 2016-05-31 C SL 18
18 2016-06-30 A NL 19
19 2016-06-30 B FR 20
20 2016-06-30 B UK 21
21 2016-06-30 B SL 22
22 2016-06-30 C NL 23
23 2016-06-30 C BE 24
24 2016-07-31 A NL 25
25 2016-07-31 A BE 23
26 2016-07-31 B FR 12
27 2016-07-31 B UK 28
28 2016-07-31 B SL 22
29 2016-07-31 C NL 25
30 2016-07-31 C BE 28
对应于下面的代码。
df = pd.DataFrame([['2016-04-30','A','NL',1], ['2016-04-30','A', "BE" ,2], ['2016-04-30', 'B', 'NL',3], ['2016-04-30','B','BE',4], ['2016-04-30','C','NL',5], ['2016-04-30','C','BE',6],['2016-04-30','C','FR', 7], ['2016-04-30','C','UK',8], ['2016-05-31','A','NL',9], ['2016-05-31','A','BE',10], ['2016-05-31','A','FR',11], ['2016-05-31','B','NL',12], ['2016-05-31','B','BE',13], ['2016-05-31','B','FR',14], ['2016-05-31','C','NL',15], ['2016-05-31','C','BE',16], ['2016-05-31','C','UK',17], ['2016-05-31','C','SL',18], ['2016-06-30','A','NL',19], ['2016-06-30','B','FR',20], ['2016-06-30','B','UK',21], ['2016-06-30','B','SL',22], ['2016-06-30','C','NL',23], ['2016-06-30','C','BE',24], ['2016-07-31', 'A', 'NL', 25], ['2016-07-31', 'A', 'BE', 23], ['2016-07-31', 'B', 'FR',12], ['2016-07-31','B','UK', 28], ['2016-07-31','B', 'SL',22], ['2016-07-31', 'C', 'NL', 25], ['2016-07-31', 'C', 'BE', 28] ], columns=['Date','Type' ,'Country' ,'Value'])
我想创建一个额外的列 "CumValue"，它计算未来K个月的累计总和（在这种情况下，让我们说K=3，但我希望它是通用的）。因此，例如，对于观测值[2016-04-30，A，NL]，我希望CumValue是1+9+19=28（所以我们包括初始月份）。假设例如前面两个月的观测数据不可用，那么我们就把值设为等于NaN。
我希望最终的结果是这样的。
Date Type Country Value CumValue
0 2016-04-30 A NL 1 29
1 2016-04-30 A BE 2 NaN
2 2016-04-30 B NL 3 NaN
3 2016-04-30 B BE 4 NaN
4 2016-04-30 C NL 5 43
5 2016-04-30 C BE 6 46
6 2016-04-30 C FR 7 NaN
7 2016-04-30 C UK 8 NaN
8 2016-05-31 A NL 9 53
9 2016-05-31 A BE 10 NaN
10 2016-05-31 A FR 11 NaN
11 2016-05-31 B NL 12 NaN
12 2016-05-31 B BE 13 NaN
13 2016-05-31 B FR 14 46
14 2016-05-31 C NL 15 63
15 2016-05-31 C BE 16 68
16 2016-05-31 C UK 17 NaN
17 2016-05-31 C SL 18 NaN
18 2016-06-30 A NL 19 NaN
19 2016-06-30 B FR 20 NaN
20 2016-06-30 B UK 21 NaN
21 2016-06-30 B SL 22 NaN
22 2016-06-30 C NL 23 NaN
23 2016-06-30 C BE 24 NaN
24 2016-07-31 A NL 25 NaN
25 2016-07-31 A BE 23 NaN
26 2016-07-31 B FR 12 NaN
27 2016-07-31 B UK 28 NaN
28 2016-07-31 B SL 22 NaN
29 2016-07-31 C NL 25 NaN
30 2016-07-31 C BE 28 NaN
有谁知道一个有效的方法来做这样的事情？
答案
你可以试试下面的代码。我检查了(NL,A)、(NL,C)、(NL,BE)的输出，似乎可以用。
def shift_cum(x,k=3):
return x.rolling(k).sum().shift(-2)
df.assign(CumValue=df.groupby(['Country','Type'])['Value'].apply(shift_cum))
这里我们是通过值 , k 函数中，默认为3，您可以在申请时更改。该函数首先取组内的滚动总和，然后将其向后移动2个位置，以符合你的要求。
另一答案
Yati Raj的解决方案 只有当所有月份的值都连续可用时才有效。上文指出：
例如，假设两个月前的观测值不可用，那么我们就将该值设为NaN。
这是对 Type 'A', Country 'BE'：没有2016-06-30的数据，因此结果应该是NaN.为了使它也适用于这种情况，你可以修改解决方案如下。
pd.merge(df, df.set_index('Date').groupby(['Type', 'Country']).Value.apply(lambda x: x.asfreq('1M').rolling(3).sum().shift(-2)).reset_index(), on=['Type', 'Country', 'Date']).rename(columns={'Value_x': 'Value', 'Value_y': 'CumValue'})
这样就可以得到上文中第二行的正确结果。
Date Type Country Value CumValue
0 2016-04-30 A NL 1 29.0
1 2016-04-30 A BE 2 NaN
...
(接受的答案在这里给出的CumValue是35)
以上是关于计算累计总和向前的大熊猫的主要内容，如果未能解决你的问题，请参考以下文章