Условная текущая сумма в пандах только для всех предыдущих значений - PullRequest
Новая
       21

Условная текущая сумма в пандах только для всех предыдущих значений

2 голосов
/ 24 сентября 2019

Предположим, у меня есть следующий DataFrame: 

df = pd.DataFrame({'Event': ['A', 'B', 'A', 'A', 'B', 'C', 'B', 'B', 'A', 'C'], 
                   'Date': ['2019-01-01', '2019-02-01', '2019-03-01', '2019-03-01', '2019-02-15', 
                             '2019-03-15', '2019-04-05', '2019-04-05', '2019-04-15', '2019-06-10'],
                   'Sale': [100, 200, 150, 200, 150, 100, 300, 250, 500, 400]})
df['Date'] = pd.to_datetime(df['Date'])
df

Event         Date  Sale
    A   2019-01-01   100
    B   2019-02-01   200
    A   2019-03-01   150
    A   2019-03-01   200
    B   2019-02-15   150
    C   2019-03-15   100
    B   2019-04-05   300
    B   2019-04-05   250
    A   2019-04-15   500
    C   2019-06-10   400

Я хотел бы получить следующий результат: 

Event         Date  Sale   Total_Previous_Sale
    A   2019-01-01   100                     0
    B   2019-02-01   200                     0
    A   2019-03-01   150                   100
    A   2019-03-01   200                   100
    B   2019-02-15   150                   200
    C   2019-03-15   100                     0
    B   2019-04-05   300                   350
    B   2019-04-05   250                   350
    A   2019-04-15   500                   450
    C   2019-06-10   400                   100

, где df['Total_Previous_Sale'] - общая сумма продажи (df['Sale']) когда событие (df['Event']) происходит до его смежной даты (df['Date']).Например,

  • Общая сумма продажи события A до 2019-01-01 равна 0,
  • Общая сумма продажи события A происходит до 2019-03-01 равен 100, а
  • Общая сумма продажи события А до 2019-04-15 гг. Составляет 100 + 150 + 200 = 450.

По сути, этопочти такая же, как условная кумулятивная сумма, но только для всех предыдущих значений (исключая текущее значение [s]).Я могу получить желаемый результат, используя эту строку: 

df['Sale_Total'] = [df.loc[(df['Event'] == df.loc[i, 'Event']) & (df['Date'] < df.loc[i, 'Date']), 
                           'Sale'].sum() for i in range(len(df))]

Хотя это медленно, но работает нормально.Я считаю, что есть лучший и быстрый способ сделать это.Я пробовал эти строки: 

df['Total_Previuos_Sale'] = df[df['Date'] < df['Date']].groupby(['Event'])['Sale'].cumsum()

или 

df['Total_Previuos_Sale'] = df.groupby(['Event'])['Sale'].shift(1).cumsum().fillna(0)

, но он генерирует NaN или приводит к нежелательному результату.

Ответы [ 2 ]

2 голосов
/ 24 сентября 2019

Первый агрегат sum на Event и Date для MultiIndex, затем группировка по первому уровню Event и использование shift с накопленной суммой с лямбда-функцией и последним join вместе: 

s = (df.groupby(['Event', 'Date'])['Sale']
       .sum().groupby(level=0)
       .apply(lambda x: x.shift(1).cumsum())
       .fillna(0)

df = df.join(s.rename('Total_Previuos_Sale'), on=['Event','Date'])
print (df)
  Event        Date  Sale  Total_Previuos_Sale
0     A  2019-01-01   100                  0.0
1     B  2019-02-01   200                  0.0
2     A  2019-03-01   150                100.0
3     A  2019-03-01   200                100.0
4     B  2019-02-15   150                200.0
5     C  2019-03-15   100                  0.0
6     B  2019-04-05   300                350.0
7     B  2019-04-05   250                350.0
8     A  2019-04-15   500                450.0
9     C  2019-06-10   400                100.0
0 голосов
/ 24 сентября 2019

Наконец, я могу найти лучший и быстрый способ получить желаемый результат.Оказывается, это очень просто.Можно попробовать: 

df['Total_Previous_Sale'] = df.groupby('Event')['Sale'].cumsum() \
                          - df.groupby(['Event', 'Date'])['Sale'].cumsum()
...