Pandas 데이터 프레임에 누적 합계 열을 추가하여 다음을 수행하고 싶습니다.
name | day | no
-----|-----------|----
Jack | Monday | 10
Jack | Tuesday | 20
Jack | Tuesday | 10
Jack | Wednesday | 50
Jill | Monday | 40
Jill | Wednesday | 110
된다 :
Jack | Monday | 10 | 10
Jack | Tuesday | 30 | 40
Jack | Wednesday | 50 | 90
Jill | Monday | 40 | 40
Jill | Wednesday | 110 | 150
나는 다양한 콤보 시도 df.groupby하고 df.agg(lambda x: cumsum(x))아무 소용합니다.
답변:
이 작업을 수행해야하며 groupby()두 번 필요합니다 .
df.groupby(['name', 'day']).sum() \
.groupby(level=0).cumsum().reset_index()
설명:
print(df)
name day no
0 Jack Monday 10
1 Jack Tuesday 20
2 Jack Tuesday 10
3 Jack Wednesday 50
4 Jill Monday 40
5 Jill Wednesday 110
# sum per name/day
print( df.groupby(['name', 'day']).sum() )
no
name day
Jack Monday 10
Tuesday 30
Wednesday 50
Jill Monday 40
Wednesday 110
# cumulative sum per name/day
print( df.groupby(['name', 'day']).sum() \
.groupby(level=0).cumsum() )
no
name day
Jack Monday 10
Tuesday 40
Wednesday 90
Jill Monday 40
Wednesday 150
첫 번째 합계의 결과 인 데이터 프레임은 'name'및에 의해 인덱싱 됩니다 'day'. 인쇄하여 볼 수 있습니다
df.groupby(['name', 'day']).sum().index
누적 합계를 계산할 때 'name'첫 번째 인덱스 (수준 0)에 해당하는으로 계산할 수 있습니다 .
마지막으로을 사용 reset_index하여 이름을 반복하십시오.
df.groupby(['name', 'day']).sum().groupby(level=0).cumsum().reset_index()
name day no
0 Jack Monday 10
1 Jack Tuesday 40
2 Jack Wednesday 90
3 Jill Monday 40
4 Jill Wednesday 150
name및 dayas를 계속 사용하겠습니다 multiIndex( 원하는 경우 색인 reset_index()을 얻기 위해 int). 2) level=[0]수단 groupby은 MultiIndex, 즉 column 의 첫 번째 수준에서 작동하는 것 name입니다.
groupby()기본적으로 키 정렬이므로 입력 데이터 세트의 맨 아래에 Jack-Thursday 행을 추가하면 예기치 않은 결과가 발생합니다. 그리고 groupby()레벨 이름으로 작업 할 수 있기 때문에 df.groupby(['name', 'day'], sort=False).sum().groupby(by='name').cumsum().reset_index()덜 애매합니다.
이것은 pandas 0.16.2에서 작동합니다.
In[23]: print df
name day no
0 Jack Monday 10
1 Jack Tuesday 20
2 Jack Tuesday 10
3 Jack Wednesday 50
4 Jill Monday 40
5 Jill Wednesday 110
In[24]: df['no_cumulative'] = df.groupby(['name'])['no'].apply(lambda x: x.cumsum())
In[25]: print df
name day no no_cumulative
0 Jack Monday 10 10
1 Jack Tuesday 20 30
2 Jack Tuesday 10 40
3 Jack Wednesday 50 90
4 Jill Monday 40 40
5 Jill Wednesday 110 150
name및 day의해 누적 합계를 계산하기 전에 name(참고 : 결과에 잭 + 화요일 2 개 행이). 이것이 CT Zhu의 답변 보다 간단하게 만드는 것 입니다.
@Dmitry의 답변 수정. 이것은 더 간단하며 pandas 0.19.0에서 작동합니다.
print(df)
name day no
0 Jack Monday 10
1 Jack Tuesday 20
2 Jack Tuesday 10
3 Jack Wednesday 50
4 Jill Monday 40
5 Jill Wednesday 110
df['no_csum'] = df.groupby(['name'])['no'].cumsum()
print(df)
name day no no_csum
0 Jack Monday 10 10
1 Jack Tuesday 20 30
2 Jack Tuesday 10 40
3 Jack Wednesday 50 90
4 Jill Monday 40 40
5 Jill Wednesday 110 150
당신은 사용해야합니다
df['cum_no'] = df.no.cumsum()
http://pandas.pydata.org/pandas-docs/version/0.19.2/generated/pandas.DataFrame.cumsum.html
그것을하는 또 다른 방법
import pandas as pd
df = pd.DataFrame({'C1' : ['a','a','a','b','b'],
'C2' : [1,2,3,4,5]})
df['cumsum'] = df.groupby(by=['C1'])['C2'].transform(lambda x: x.cumsum())
df
90, 모든 Jack 값의 합계로 + 40, Jill-Monday 값).
df.groupby(by=['name','day']).sum().groupby(level=[0]).cumsum()
(위 참조) 대신에df.set_index(['name', 'day']).groupby(level=0, as_index=False).cumsum()
df.groupby(by=['name','day']).sum() 실제로 두 열을 모두 MultiIndex로 이동하는 것입니다.as_index=False 나중에 reset_index를 호출 할 필요가 없음을 의미합니다.groupby().sum()되지 않은 단지 MultiIndex에 모두 열 이동은 - 그것은 또한 잭 + 화요일 두 값을 요약한다. 그리고 as_index=False인덱스가 이미 전에 설정 되었으므로이 경우에는 아무런 영향을 미치지 않는 것 같습니다 groupby. 그리고 groupby().cumsum()데이터 프레임의 열에서 이름 / 일을 nukes하기 때문에 결과 숫자 열을 원래 데이터 프레임에 추가하거나 (예 : vjayky 및 Dmitry가 제안 함) 색인으로 이름 / 일을 이동 한 다음 나중에 reset_index해야합니다.
data.csv :
name,day,no
Jack,Monday,10
Jack,Tuesday,20
Jack,Tuesday,10
Jack,Wednesday,50
Jill,Monday,40
Jill,Wednesday,110
암호:
import numpy as np
import pandas as pd
df = pd.read_csv('data.csv')
print(df)
df = df.groupby(['name', 'day'])['no'].sum().reset_index()
print(df)
df['cumsum'] = df.groupby(['name'])['no'].apply(lambda x: x.cumsum())
print(df)
산출:
name day no
0 Jack Monday 10
1 Jack Tuesday 20
2 Jack Tuesday 10
3 Jack Wednesday 50
4 Jill Monday 40
5 Jill Wednesday 110
name day no
0 Jack Monday 10
1 Jack Tuesday 30
2 Jack Wednesday 50
3 Jill Monday 40
4 Jill Wednesday 110
name day no cumsum
0 Jack Monday 10 10
1 Jack Tuesday 30 40
2 Jack Wednesday 50 90
3 Jill Monday 40 40
4 Jill Wednesday 110 150