具有不同聚合的不同列的 Groupby 与下一个日期的 cumsum

Question

我有一个按日期和时间排序的数据框：

 ID     Date     Time      A         B      C
 abc   06/Feb     11       12        12     10 
 abc   06/Feb     12       14        13     5
 xyz   07/Feb      1       16        14     50
 xyz   07/Feb      2       18        15     0
 xyz   07/Feb      3       20        16     10

我想按 ID 和日期对其进行分组，并将总和作为分子，计数作为分母，但是对于下一个日期，总和将是以前日期的总和，因此计数作为 cumcount，还有 3 列的最后一个值A,B,C列会增加。如：

ID    Date     A_Num  A_denom   B_Num   B_Denom  C_Num   C_Denom  A_Last  B_Last  C_Last
abc   06/Feb    26       2        25       2      15        2       14      13      5
xyz   07/Feb    54       3        45       3      60        3       20      16      10

我无法一次性完成所有这些..任何人都可以帮助我。提前谢谢。

现在我想将 df1 acc 中的 df2 添加到 id 为：

ID    Date     A_Num  A_denom   B_Num   B_Denom  C_Num   C_Denom  A_Last  B_Last  C_Last
abc   06/Feb    52       4        50       4      30        4       14      13      5
xyz   07/Feb    108      6        90       6      120       6       20      16      10

Answer 1

您可以在GroupBy.agg 中为每个组聚合sum、size 和last，然后选择num 和denum 并使用累积和最后添加concat 另一个由聚合@ 创建的DataFrame 987654323@:

cols = ['A','B','C']

print (df[cols].dtypes)
A    int64
B    int64
C    int64
dtype: object

d = {'sum':'Num','size':'denom'}
df1 = df.groupby(['ID','Date'])[cols].agg(['sum','size']).rename(columns=d).cumsum()
df1.columns = df1.columns.map(lambda x: f'{x[0]}_{x[1]}')

df2 = df.groupby(['ID','Date'])[cols].last().add_suffix('_Last')
df3 = pd.concat([df1, df2], axis=1).reset_index()

print (df3)
    ID    Date  A_Num  A_denom  B_Num  B_denom  C_Num  C_denom  A_Last  \
0  abc  06/Feb     26        2     25        2     15        2      14   
1  xyz  07/Feb     80        5     70        5     75        5      20   

   B_Last  C_Last  
0      13       5  
1      16      10  

不使用索引写入文件：

df3.to_csv('file', index=False)

如果解决方案中没有.reset_index：

df3.to_csv('file')