累积和仅适用于 1 列 python答案

【问题标题】：Cumulative sum only applying on 1 column python累积和仅适用于 1 列 python
【发布时间】：2017-07-20 11:06:02
【问题描述】：

我只想在 1 个特定列上应用 cumsum，因为我在不同列中有其他值必须保持不变。

这是我目前的脚本

df.groupby(by=['name','day']).sum().groupby(level=[0]).cumsum()

但是，此脚本导致我的 pandas df 中的所有列都会累积。唯一必须累积总和的列是data。

根据要求，这里是一些示例数据：

df = pd.DataFrame({'ID': ["880022443344556677787", "880022443344556677782", "880022443344556677787",
                          "880022443344556677782", "880022443344556677787", "880022443344556677782",
                          "880022443344556677781"],
                   'Month': ["201701", "201701", "201702", "201702", "201703", "201703", "201703"],
                   'Usage': [20, 40, 100, 50, 30, 30, 2000],
                   'Sec': [10, 15, 20, 1, 5, 6, 30]})

                      ID   Month  Sec  Usage
0  880022443344556677787  201701   10     20
1  880022443344556677782  201701   15     40
2  880022443344556677787  201702   20    100
3  880022443344556677782  201702    1     50
4  880022443344556677787  201703    5     30
5  880022443344556677782  201703    6     30
6  880022443344556677781  201703   30   2000

期望的输出

                      ID   Month  Sec  Usage
0  880022443344556677787  201701   10     20
1  880022443344556677782  201701   15     40
2  880022443344556677787  201702   20    120
3  880022443344556677782  201702    1     90
4  880022443344556677787  201703    5    150
5  880022443344556677782  201703    6    120
6  880022443344556677781  201703   30   2000

【问题讨论】：

标签： python pandas cumulative-sum

【解决方案1】：

我认为你需要 set_index 用于不需要 cumsum 的列 - 我通过 list comprehension 动态找到它们：

cumsum_col = 'Usage'
df1 = df.groupby(by=['ID','Month'], sort=False).sum()
cols = [col for col in df1.columns if col != cumsum_col]

df1 = df1.set_index(cols, append=True).groupby(level=[0]).cumsum().reset_index()
print (df1)
                      ID   Month  Sec  Usage
0  880022443344556677787  201701   10     20
1  880022443344556677782  201701   15     40
2  880022443344556677787  201702   20    120
3  880022443344556677782  201702    1     90
4  880022443344556677787  201703    5    150
5  880022443344556677782  201703    6    120
6  880022443344556677781  201703   30   2000

编辑：

cumsum_col = 'Usage'
df2 = df.groupby(by=['ID','Month'], sort=False).sum()
cols = [col for col in df2.columns if col != cumsum_col]
df1 = df2.set_index(cols, append=True).groupby(level=[0]).cumsum()
df1 = df2.assign(Usage_cumsum = df1.reset_index(level=2, drop=True)).reset_index()
print (df1)
                      ID   Month  Sec  Usage  Usage_cumsum
0  880022443344556677787  201701   10     20            20
1  880022443344556677782  201701   15     40            40
2  880022443344556677787  201702   20    100           120
3  880022443344556677782  201702    1     50            90
4  880022443344556677787  201703    5     30           150
5  880022443344556677782  201703    6     30           120
6  880022443344556677781  201703   30   2000          2000

编辑1：

在您的示例数据中没有聚合sum，因此数据进行了一些修改（解决方案类似，但与另一个不同）：

df = pd.DataFrame({'ID': ["880022443344556677787", "880022443344556677782", "880022443344556677787",
                          "880022443344556677782", "880022443344556677787", "880022443344556677782",
                          "880022443344556677781"],
                   'Month': ["201701", "201701", "201701", "201702", "201703", "201701", "201703"],
                   'Usage': [20, 40, 100, 50, 30, 30, 2000],
                   'Sec': [10, 15, 20, 1, 5, 6, 30]})

print (df)
                      ID   Month  Sec  Usage
0  880022443344556677787  201701   10     20
1  880022443344556677782  201701   15     40
2  880022443344556677787  201701   20    100
3  880022443344556677782  201702    1     50
4  880022443344556677787  201703    5     30
5  880022443344556677782  201701    6     30
6  880022443344556677781  201703   30   2000

#aggregate sum to all columns
df1 = df.groupby(['ID', 'Month']).sum() 
print (df1)
                              Sec  Usage
ID                    Month             
880022443344556677781 201703   30   2000
880022443344556677782 201701   21     70
                      201702    1     50
880022443344556677787 201701   30    120
                      201703    5     30

#aggregate cumcum to Usage column only 
s = df1.groupby(level=0)['Usage'].cumsum()
print (s)
ID                     Month 
880022443344556677781  201703    2000
880022443344556677782  201701      70
                       201702     120
880022443344556677787  201701     120
                       201703     150
Name: Usage, dtype: int64

#join cumsum series to aggregate df1
df3 = df1.join(s, rsuffix='_cumsum').reset_index()
print (df3)
                      ID   Month  Sec  Usage  Usage_cumsum
0  880022443344556677781  201703   30   2000          2000
1  880022443344556677782  201701   21     70            70
2  880022443344556677782  201702    1     50           120
3  880022443344556677787  201701   30    120           120
4  880022443344556677787  201703    5     30           150

【讨论】：

是否可以用 cum sum 数据添加一个额外的列而不是替换它？
不确定发生了什么，但是当我将它应用到我的 df 时，您的第一个方法正在工作，但是带有附加列的新方法带有 cumsum 返回 NaN 值。你知道发生了什么吗？
看来你的真实数据有更多的列，所以需要更改df1.reset_index(level=[2,3,4], drop=True) - 每个级别都有额外的列。但是我修改了另一个解决方案，请稍等。

【解决方案2】：

考虑数据框df

df = pd.DataFrame(dict(
        name=list('aaaaaaaabbbbbbbb'),
        day=np.tile(np.arange(2).repeat(4), 2),
        data=np.arange(16)
    ))

首先，您通过在 groupby 语句之后命名特定列来对特定列执行 cumsum。

其次，您可以将其添加回数据框 df 和 join

d2 = df.groupby(['name', 'day']).data.sum().groupby(level=0).cumsum()

df.join(d2, on=['name', 'day'], rsuffix='_cum')

    data  day name  data_cum
0      0    0    a         6
1      1    0    a         6
2      2    0    a         6
3      3    0    a         6
4      4    1    a        28
5      5    1    a        28
6      6    1    a        28
7      7    1    a        28
8      8    0    b        38
9      9    0    b        38
10    10    0    b        38
11    11    0    b        38
12    12    1    b        92
13    13    1    b        92
14    14    1    b        92
15    15    1    b        92

【讨论】：

【解决方案3】：

您已经可以将累积和 ('cumsum') 作为 df.groupby 的聚合。您需要将 'cumsum' 作为字符串作为聚合函数提供给“数据”列。

df.groupby(['name','day']).agg({'data': 'cumsum'})

【讨论】：

这是错误的，因为首先需要聚合sum 然后groupby by first level 仅用于聚合cumsum。