Python数据框：列的累积总和，直到达到条件并返回索引答案

【问题标题】：Python Data Frame: cumulative sum of column until condition is reached and return the indexPython数据框：列的累积总和，直到达到条件并返回索引
【发布时间】：2017-05-20 05:04:15
【问题描述】：

我是 Python 新手，目前面临一个我无法解决的问题。我真的希望你能帮助我。英语不是我的母语，所以如果我不能正确表达自己，我很抱歉。

假设我有一个包含两列的简单数据框：

index  Num_Albums  Num_authors
0      10          4
1      1           5
2      4           4
3      7           1000
4      1           44
5      3           8

Num_Abums_tot = sum(Num_Albums) = 30

我需要对Num_Albums中的数据进行累计求和，直到达到某个条件。注册达到条件的索引，从Num_authors获取对应的值。

示例： Num_Albums 的累积总和，直到总和等于 30 的 50% ± 1/15 (--> 15±2)：

10 = 15±2? No, then continue;
10+1 =15±2? No, then continue
10+1+41 = 15±2? Yes, stop.

在索引 2 处达到条件。然后在该索引处获取 Num_Authors：Num_Authors(2)=4

我想看看pandas 中是否已经实现了一个函数，然后才开始考虑如何使用 while/for 循环来实现......

[我想指定我想在相关索引处检索值的列（当我有 4 列并且我想对第 1 列中的元素求和时，这会派上用场，条件达到 =yes 然后得到第 2 列中的对应值；然后对第 3 列和第 4 列执行相同操作）]。

【问题讨论】：

标签： python pandas dataframe sum

【解决方案1】：

选项 - 1：

您可以使用cumsum 计算累积和。然后使用 np.isclose 和它的内置容差参数来检查该系列中存在的值是否在指定的阈值 15 +/- 2 内。这将返回一个布尔数组。

通过np.flatnonzero，返回满足True 条件的索引的序数值。我们选择True 值的第一个实例。

最后，使用.iloc 根据之前计算的索引检索您需要的列名的值。

val = np.flatnonzero(np.isclose(df.Num_Albums.cumsum().values, 15, atol=2))[0]
df['Num_authors'].iloc[val]      # for faster access, use .iat 
4

当在series上执行np.isclose后转换为数组：

np.isclose(df.Num_Albums.cumsum().values, 15, atol=2)
array([False, False,  True, False, False, False], dtype=bool)

选项 - 2：

在cumsum 计算系列上使用pd.Index.get_loc，它还支持nearest 方法上的tolerance 参数。

val = pd.Index(df.Num_Albums.cumsum()).get_loc(15, 'nearest', tolerance=2)
df.get_value(val, 'Num_authors')
4

选项 - 3：

使用idxmax 查找在sub 和abs 对cumsum 系列进行操作后创建的布尔掩码的True 值的第一个索引：

df.get_value(df.Num_Albums.cumsum().sub(15).abs().le(2).idxmax(), 'Num_authors')
4

【讨论】：

【解决方案2】：

我觉得你可以直接加一列，累计和为：

In [3]: df
Out[3]: 
   index  Num_Albums  Num_authors
0      0          10            4
1      1           1            5
2      2           4            4
3      3           7         1000
4      4           1           44
5      5           3            8

In [4]: df['cumsum'] = df['Num_Albums'].cumsum()

In [5]: df
Out[5]: 
   index  Num_Albums  Num_authors  cumsum
0      0          10            4      10
1      1           1            5      11
2      2           4            4      15
3      3           7         1000      22
4      4           1           44      23
5      5           3            8      26

然后在cumsum 列上应用您想要的条件。例如，您可以使用where 根据过滤器获取整行。设置容差tol：

In [18]: tol = 2

In [19]: cond = df.where((df['cumsum']>=15-tol)&(df['cumsum']<=15+tol)).dropna()

In [20]: cond
Out[20]: 
   index  Num_Albums  Num_authors  cumsum
2    2.0         4.0          4.0    15.0

【讨论】：

这太棒了！现在，假设我想提取与存储在数组（名为 ARRAY）中的条件相对应的值，并将这些值传递给列表（名为：cond）或另一个数组。在 matlab 语法中，我会执行以下操作：for i in ARRAY: cond[i] = df.where((df['cumsum'] >=ARRAY[i]-tol)&(...)).dropna( ) 我如何在 python 中做到这一点？再开一个问题会更合适吗？
是的，请保持一篇文章，一题的风格。
我做到了，有时间想看看就在这里。我会很感激的。 stackoverflow.com/questions/41545936/…

【解决方案3】：

这甚至可以通过以下代码来完成：

def your_function(df):
     sum=0
     index=-1
     for i in df['Num_Albums'].tolist():
       sum+=i
       index+=1
       if sum == ( " your_condition " ):
              return (index,df.loc([df.Num_Albums==i,'Num_authors']))

一旦达到“你的条件”，这实际上会返回一个索引元组和 Num_authors 的相应值。

甚至可以由

作为数组返回

def your_function(df):
     sum=0
     index=-1
     for i in df['Num_Albums'].tolist():
       sum+=i
       index+=1
       if sum == ( " your_condition " ):
              return df.loc([df.Num_Albums==i,'Num_authors']).index.values

我无法弄清楚您提到的累积和何时停止求和的条件，所以我在代码中将其称为“your_condition”！！

我也是新手，希望对你有帮助！！

【讨论】：