基于两个分类列的累积计数

Question

对于表中的每条记录，我想做一个基于两个分类列的累积计数。

在下表中，我想获取cum_count列，它是根据列industry和deal_status计算的。这个想法是，对于每条记录，计算同一行业以前赢得的交易数量。

例如，表的最后一个记录有cum_count = 3，因为只有3涉及deal_status =赢得了业界= X之前已经见过。

该大熊猫GroupBy.cumcount功能的确，对于一个变量...

对于我描述的案例，我如何才能做到这一点？

pd.DataFrame({'time': [1, 2, 3, 4, 5, 6, 7],

              'company' : ["ciaA", "ciaB", "ciaA", "ciaC", "ciaA", "ciaD", "ciaE"],

              'industry' : ["x", "y", "x", "x", "x", "y", "x"],

              'deal_status' : ["won", "lost", "won", "won", "lost", "won", "lost"],

              'cum_count' : [0, 0, 1, 2, 3, 0, 3]})

time    company    industry     deal_status     cum_count

 1       ciaA         x             won             0

 2       ciaB         y            lost             0

 3       ciaA         x             won             1

 4       ciaC         x             won             2

 5       ciaA         x            lost             3

 6       ciaD         y             won             0

 7       ciaE         x            lost             3

Answer 1

创建一个辅助列，您将对其进行累计总和。需要在每个组内移动，因为您的计数仅包括之前的获胜值：df['to_sum'] = (df.deal_status == 'won').astype(int)df['cum_count'] = (df.groupby('industry')                    .apply(lambda x: x.to_sum.shift(1).cumsum()).fillna(0)                    .reset_index(0, drop=True))输出df：   time company industry deal_status  to_sum  cum_count0     1    ciaA        x         won       1        0.01     2    ciaB        y        lost       0        0.02     3    ciaA        x         won       1        1.03     4    ciaC        x         won       1        2.04     5    ciaA        x        lost       0        3.05     6    ciaD        y         won       1        0.06     7    ciaE        x        lost       0        3.0