Pandas 中的 Excel SUMIF 等效项答案

【问题标题】：Excel SUMIF equivalent in PandasPandas 中的 Excel SUMIF 等效项
【发布时间】：2022-03-12 10:53:02
【问题描述】：

import pandas as pd 
import numpy as np

df = pd.DataFrame([['A', 201901, 10, 201801, 201801], 
                   ['B', 201902, 11, 201801, 201802], 
                   ['B', 201903, 13, 201801, 201803],
                   ['B', 201905, 18, 201801, 201805],
                   ['A', 201906, 80, 201801, 201806],
                   ['A', 202001, 10, 201901, 201901], 
                   ['A', 202002, 11, 201901, 201902], 
                   ['A', 202003, 13, 201901, 201903],
                   ['A', 202004, 18, 201901, 201904],
                   ['B', 202005, 80, 201901, 201905],
                   ['A', 202006, 80, 201901, 201906],
                   ['B', 201901, 10, 201801, 201801], 
                   ['A', 201902, 11, 201801, 201802], 
                   ['A', 201903, 13, 201801, 201803],
                   ['A', 201905, 18, 201801, 201805],
                   ['B', 201906, 80, 201801, 201806],
                   ['B', 202001, 10, 201901, 201901], 
                   ['B', 202002, 11, 201901, 201902], 
                   ['B', 202003, 13, 201901, 201903],
                   ['B', 202004, 18, 201901, 201904],
                   ['A', 202005 ,80, 201901, 201905],
                   ['B', 202006 ,80, 201901, 201906]],
                  columns = ['Store','yearweek','sales','Start_PY','PY'])
df

从上面的df （请注意缺少第 201904 周），我想在每行添加一个列 'Sales_PY'，其中包含每家商店前一年的销售额总和。像这样的：

Store	yearweek	sales	Start_PY	PY	sales_PY
A	201901	100	201801	201801	NaN
B	201902	11	201801	201802	NaN
B	201903	13	201801	201803	NaN
B	201905	18	201801	201805	NaN
A	201906	800	201801	201806	NaN
A	202001	100	201901	201901	100.0
A	202002	110	201901	201902	210.0
A	202003	130	201901	201903	340.0
A	202004	180	201901	201904	340.0
B	202005	80	201901	201905	52.0
A	202006	800	201901	201906	1320.0
B	201901	10	201801	201801	NaN
A	201902	110	201801	201802	NaN
A	201903	130	201801	201803	NaN
A	201905	180	201801	201805	NaN
B	201906	80	201801	201806	NaN
B	202001	10	201901	201901	10.0
B	202002	11	201901	201902	21.0
B	202003	13	201901	201903	34.0
B	202004	18	201901	201904	34.0
A	202005	800	201901	201905	520.0
B	202006	80	201901	201906	132.0

而且我认为 Pandas 中的 Excel 中必须有一个 SUMIF 等效项。

即最后一行的销售额 PY 将是销售额的总和 WHERE store == 'B' AND yearweek >= 201901 AND yearweek

因为我无法确保我的 df 将按商店/周排列，而且我的 df 有时会缺少几周，所以我不喜欢使用 shift() 和/或 cumsum() 函数。

【问题讨论】：

标签： python pandas sumifs

【解决方案1】：

在 OP 的澄清之后完全替换了答案

请注意，您编码的 df 与您在表格中打印的 df 不一致。我和桌子上的那个一起去了

下面不是最优雅的，但考虑到缺少几周等，我想不出更矢量化的操作

我们基本上实现了非常接近sumif 逻辑的逐行计算。 apply 中的函数应用于每一行 r 对于每一行 r 它选择原始数据帧 df 的相关子集并计算总和

df['Sales_PY'] = (df.apply(lambda r: df.loc[(df['yearweek'] >= r['Start_PY'])
                                           &(df['yearweek'] <= r['PY']) 
                                           &(df['Store']==r['Store']) ,'sales'].sum(),axis=1)
                )

输出

    Store      yearweek    sales    Start_PY      PY    Sales_PY
--  -------  ----------  -------  ----------  ------  ----------
 0  A            201901      100      201801  201801           0
 1  B            201902       11      201801  201802           0
 2  B            201903       13      201801  201803           0
 3  B            201905       18      201801  201805           0
 4  A            201906      800      201801  201806           0
 5  A            202001      100      201901  201901         100
 6  A            202002      110      201901  201902         210
 7  A            202003      130      201901  201903         340
 8  A            202004      180      201901  201904         340
 9  B            202005       80      201901  201905          52
10  A            202006      800      201901  201906        1320
11  B            201901       10      201801  201801           0
12  A            201902      110      201801  201802           0
13  A            201903      130      201801  201803           0
14  A            201905      180      201801  201805           0
15  B            201906       80      201801  201806           0
16  B            202001       10      201901  201901          10
17  B            202002       11      201901  201902          21
18  B            202003       13      201901  201903          34
19  B            202004       18      201901  201904          34
20  A            202005      800      201901  201905         520
21  B            202006       80      201901  201906         132

如果您想要NaNs 而不是没有销售数据的0，您可以在上面的sum 中传递min_count=1 参数：.sum(min_count=1)

【讨论】：

感谢 Piterbarg！但是，如果缺少几个星期，我怎样才能获得相同的结果呢？即第 6 周不包括在我的 df 中，我仍然想总结第 4-6 周（而不是 3-5）。
@BartBeckers 请看我的编辑——这或多或少是你想要的吗？
不完全是，按照这个逻辑，如果例如第 6 行和第 16 行被排除在外，我将得到第 3、4 和 5 周的总和，而我仍然想要第 4 周的总和， 5和6。此外，我的真实df没有（也不会）安排。因此我不喜欢 shift() 函数。
@BartBeckers 我必须说，我不太清楚你到底想要达到什么目的。例如，您不需要提前“安排”您的 df，上面的代码将您的 df 按商店分组，按周隐式排序并用 0 填充缺失的周。为了取得进展，我建议您在您的问题中添加一个更具代表性的示例，其中包含缺少行的内容以及预期的输出，以便我们可以从那里获取它
我刚刚编辑了我的问题。请注意，缺少第 201904 周。现在更清楚我想要实现的目标了吗？期待您的回复。

【解决方案2】：

您可以将它们按存储分组并将它们向前移动一行，然后再次分组并取累计和。

import pandas as pd 
import numpy as np

df = pd.DataFrame([['A', 4, 10, 3, 1], 
                   ['A', 5, 11, 4, 2], 
                   ['A', 6, 13, 5, 3],
                   ['A', 7, 18, 6, 4],
                   ['B', 4 ,80, 3, 1], 
                   ['B', 5, 78, 4, 2], 
                   ['B', 6, 71, 5, 3],
                   ['B', 7, 80, 6, 4]],
                  columns = ['Store','week','sales','week_min_1','week_min_3'])


df['sales_last_3_weeks'] = df.groupby('Store')['sales'].shift()
df['sales_last_3_weeks'] = df.groupby('Store')['sales_last_3_weeks'].cumsum()

【讨论】：

非常感谢您的回复，克里斯。还有没有移位功能的方法，因为当我的数据框排列不正确或我错过了几周时，这会导致问题......此外，如果我每个商店有超过 4 行，那么 sumsum() 函数将求和所有行（不仅是最后 3 行）。期待您的回复。

【解决方案3】：

A 店和 B 店的日期似乎是统一的；我们可以使用不等式连接来获取相关行，在合并回原始数据帧之前使用 groupby 对值求和。 pyjanitor 中的 conditional_join 在这里对非 equi 合并很有帮助，我们使用二进制搜索，而不是遍历每一行；根据数据大小，性能可能会有所帮助：

# pip install pyjanitor
import janitor
import pandas as pd
dates = df.filter(like = 'PY').drop_duplicates()
left = df.loc[:, :"sales"]

outcome = (
          left.conditional_join(
              dates,
              ("yearweek", "Start_PY", ">="),
              ("yearweek", "PY", "<="),
              how="right",
          )
          .groupby(["Store", "Start_PY", "PY"])
          .sales.sum()
      )


# join back to the original dataframe
df.merge(
          outcome.rename("Sales_PY"),
          left_on=["Store", "Start_PY", "PY"],
          right_index=True,
          how="left",
      )


   Store  yearweek  sales  Start_PY      PY  Sales_PY
0      A    201901    100    201801  201801       NaN
1      B    201902     11    201801  201802       NaN
2      B    201903     13    201801  201803       NaN
3      B    201905     18    201801  201805       NaN
4      A    201906    800    201801  201806       NaN
5      A    202001    100    201901  201901     100.0
6      A    202002    110    201901  201902     210.0
7      A    202003    130    201901  201903     340.0
8      A    202004    180    201901  201904     340.0
9      B    202005     80    201901  201905      52.0
10     A    202006    800    201901  201906    1320.0
11     B    201901     10    201801  201801       NaN
12     A    201902    110    201801  201802       NaN
13     A    201903    130    201801  201803       NaN
14     A    201905    180    201801  201805       NaN
15     B    201906     80    201801  201806       NaN
16     B    202001     10    201901  201901      10.0
17     B    202002     11    201901  201902      21.0
18     B    202003     13    201901  201903      34.0
19     B    202004     18    201901  201904      34.0
20     A    202005    800    201901  201905     520.0
21     B    202006     80    201901  201906     132.0

【讨论】：