总结不同的日期和类别答案

【问题标题】：Summing different dates and categories总结不同的日期和类别
【发布时间】：2021-10-25 19:36:08
【问题描述】：

所以我有一个 pandas 数据框，它按日期和特定类别分组，并具有另一列的总和。我想做的是获取特定日期的特定类别的数字并将其添加到第二天，然后获取该数字并将其添加到第二天。例如，假设类别是苹果，日期是 5-26-2021，成本是 5 美元。第二天，2021 年 5 月 27 日是 6 美元。所以 2021 年 5 月 27 日的费用应该是 11 美元。然后 2021 年 5 月 28 日的成本为 3 美元，但应添加到 11 美元，因此成本应显示为 14 美元。我该怎么做呢？顺便说一句，除了苹果之外，还有多个类别。谢谢！ enter image description here 预期输出：（输出不是最准确的，这个数据框也不是最准确的，请随时提问）

【问题讨论】：

你能添加一个数据框的样本和预期的输出吗？
我添加了一个非常粗略的例子。基本上，会有多个日期，每个日期会有多个类别，每个类别和日期都会有成本。我希望输出基本上给我一个前一天加到当天的总和

标签： python pandas group-by sum pandas-groupby

【解决方案1】：

使用 groupby 然后cumsum

data = [
    [2021, 'apple', 1,],
    [2022, 'apple', 2,],
    [2021, 'banana', 3,],
    [2022, 'cherry', 4],
    [2022, 'banana', 5],
    [2023, 'cherry', 6],
]
columns = ['date','category', 'cost']
df = pd.DataFrame(data, columns=columns)
>>> df
   date category  cost
0  2021    apple     1
1  2022    apple     2
2  2021   banana     3
3  2022   cherry     4
4  2022   banana     5
5  2023   cherry     6

df.sort_values(['category','date'], inplace=True)
df.reset_index(drop=True, inplace=True)
df['CostCsum'] = df.groupby(['category'])['cost'].cumsum()

   date category  cost  CostCsum
0  2021    apple     1         1
1  2022    apple     2         3
2  2021   banana     3         3
3  2022   banana     5         8
4  2022   cherry     4         4
5  2023   cherry     6        10

【讨论】：

我错了，它确实有效，非常感谢！