通过将固定变量添加到前一个值来更新 pandas df 列中的值答案

【问题标题】：Update values in pandas df column by adding fixed variable to preceding value通过将固定变量添加到前一个值来更新 pandas df 列中的值
【发布时间】：2020-08-17 04:39:10
【问题描述】：

我试图通过添加一个固定值来投影一列中的值。本质上，它就像 Excel 中的工作表，其中单元格 a1 中有一个值，单元格 b1 中有一个固定值，a2 将是 =sum(a1+$b$1) 并向下拖动单元格。在 pandas 中这似乎很简单，可能涉及 .cumsum，但我还没有找到一种方法来获得我想要的结果。

这是我的数据框。

df = pd.DataFrame({"date_column" : ["2020-08-16", "2020-08-17", "2020-08-18", "2020-08-19", "2020-08-20" , "2020-08-21", "2020-08-22", "2020-08-23", "2020-08-24", "2020-08-25" ] , 
"purchases" : [23,'','','','','','','','','']})

df
date_column    purchases
0   2020-08-16     23
1   2020-08-17    
2   2020-08-18    
3   2020-08-19    
4   2020-08-20    
5   2020-08-21    
6   2020-08-22    
7   2020-08-23    
8   2020-08-24    
9   2020-08-25

另外，我计算了前两周的一个名为 avg_increase 的变量。

avg_increase
2.5000000

我想将 avg_increase 值添加到购买列中的初始值，然后将 avg_increase 值添加到该值，依此类推。期望的输出是：

date_column    purchases
0   2020-08-16     23
1   2020-08-17    25.5
2   2020-08-18    28
3   2020-08-19    30.5
4   2020-08-20    33
5   2020-08-21    35.5
6   2020-08-22    38
7   2020-08-23    40.5
8   2020-08-24    43
9   2020-08-25    45.5

【问题讨论】：

标签： python pandas dataframe cumsum

【解决方案1】：

假设有序索引0..N的替代解决方案：

df.purchases = df.loc[0,"purchases"]+df.index.values*2.5

结果：

  date_column  purchases
0  2020-08-16       23.0
1  2020-08-17       25.5
2  2020-08-18       28.0
3  2020-08-19       30.5
4  2020-08-20       33.0
5  2020-08-21       35.5
6  2020-08-22       38.0
7  2020-08-23       40.5
8  2020-08-24       43.0
9  2020-08-25       45.5

只需获取purchases 的第一个值并添加索引值乘以 2.5

【讨论】：

【解决方案2】：

让我们尝试ffill 和cumsum 创建增加步骤

df.purchases = df.purchases.where(df.purchases!='').ffill()+df.purchases.eq('').cumsum()*2.5
Out[190]: 
0    23.0
1    25.5
2    28.0
3    30.5
4    33.0
5    35.5
6    38.0
7    40.5
8    43.0
9    45.5
Name: purchases, dtype: float64

【讨论】：