有没有办法使用带有阈值的 cumsum 来创建垃圾箱？

Question

有没有办法使用 numpy 将一系列数字添加到阈值，然后重新启动计数器。目的是根据创建的类别形成 groupby。

  amount       price
0   27   22.372505
1   17  126.562276
2   33  101.061767
3   78  152.076373
4   15  103.482099
5   96   41.662766
6  108   98.460743
7  143  126.125865
8   82   87.749286
9   70   56.065133

我发现使用 .loc 进行迭代的唯一解决方案很慢。我尝试根据此答案构建解决方案https://stackoverflow.com/a/56904899：

 sumvals = np.frompyfunc(lambda a,b: a+b if a <= 100 else b,2,1)
    df['cumvals'] = sumvals.accumulate(df['amount'], dtype=np.object)

用例是找出每 75 个售出数量的东西的平均价格。

Answer 1

解决方案 #1 解释以下一种方式将得到我的解决方案：“用例是找到每 75 个售出数量的东西的平均价格。” em> 如果您尝试以“硬方式”而不是 pd.cut 进行此计算，那么这里有一个效果很好的解决方案，但速度/内存将取决于 amount 列的 cumsum()，其中你可以看看你是否这样做df['amount'].cumsum()。每 1000 万个 cumsum 输出大约需要 1 秒，因为这是使用 np.repeat 创建的行数。同样，如果您的 cumsum 少于 1000 万（1 秒）或什至 1 亿（约 10 秒），则此解决方案并不可怕：

i = 75
df = np.repeat(df['price'], df['amount']).to_frame().reset_index(drop=True)
g = df.index // i
df = df.groupby(g)['price'].mean()
df.index = (df.index * i).astype(str) + '-' + (df.index * i +75).astype(str)
df
Out[1]: 
0-75        78.513748
75-150     150.715984
150-225     61.387540
225-300     67.411182
300-375     98.829611
375-450    126.125865
450-525    122.032363
525-600     87.326831
600-675     56.065133
Name: price, dtype: float64

---

解决方案 #2（我认为这是错误的，但以防万一） 我不相信你会这样做，这是我最初的解决方案，但我会把它放在这里以防万一，因为你没有包括预期的输出。您可以使用cumsum 创建一个新系列，然后使用pd.cut 并通过bins=np.arange(0, df['Group'].max(), 75) 创建累积75 的组。然后，将累积75 的组分组并取平均值。最后，使用pd.IntervalIndex 清理格式并更改为字符串：

df['Group'] = df['amount'].cumsum()
s = pd.cut(df['Group'], bins=np.arange(0, df['Group'].max(), 75))
df = df.groupby(s)['price'].mean().reset_index()
df['Group'] = pd.IntervalIndex(df['Group']).left.astype(str) + '-' + pd.IntervalIndex(df['Group']).right.astype(str)
df
Out[1]: 
     Group       price
0     0-75   74.467390
1   75-150  101.061767
2  150-225  127.779236
3  225-300   41.662766
4  300-375   98.460743
5  375-450         NaN
6  450-525  126.125865
7  525-600   87.749286