Pandas 不改变周序号累计总和
我有一个数据框，如下所示：
df：
RY Week no Value
2020 14 3.95321
2020 15 3.56425
2020 16 0.07042
2020 17 6.45417
2020 18 0.00029
2020 19 0.27737
2020 20 4.12644
2020 21 0.32753
2020 22 0.47239
2020 23 0.28756
2020 24 1.83029
2020 25 0.75385
2020 26 2.08981
2020 27 2.05611
2020 28 1.00614
2020 29 0.02105
2020 30 0.58101
2020 31 3.49083
2020 32 8.29013
2020 33 8.99825
2020 34 2.66293
2020 35 0.16448
2020 36 2.26301
2020 37 1.09302
2020 38 1.66566
2020 39 1.47233
2020 40 6.42708
2020 41 2.67947
2020 42 6.79551
2020 43 4.45881
2020 44 1.87972
2020 45 0.76284
2020 46 1.8671
2020 47 2.07159
2020 48 2.87303
2020 49 7.66944
2020 50 1.20421
2020 51 9.04416
2020 52 2.2625
2020 1 1.17026
2020 2 14.22263
2020 3 1.36464
2020 4 2.64862
2020 5 8.69916
2020 6 4.51259
2020 7 2.83411
2020 8 3.64183
2020 9 4.77292
2020 10 1.64729
2020 11 1.6878
2020 12 2.24874
2020 13 0.32712
我使用日期创建了一周无列。在我的场景中，监管年度从 4 月 1 日开始，到明年 3 月 31 日结束，这就是为什么周号从 14 开始，到 13 结束。现在我想创建另一个包含值列的累积和的列。我尝试使用以下代码来使用 cumsum()：
df['Cummulative Value'] = df.groupby('RY')['Value'].apply(lambda x:x.cumsum())
上述代码的问题在于，它从第 1 周开始计算累积和，而不是从第 14 周开始计算。有没有什么方法可以在不影响周订单数的情况下计算累计总和？
蝴蝶不菲1回答
-
小唯快跑啊
编辑：您可以按原始顺序的之前和最后一个排序索引对值RY进行Week no排序GroupBy.cumsum：#create default index for correct workingdf = df.reset_index(drop=True)df['Cummulative Value'] = df.sort_values(['RY','Week no']).groupby('RY')['Value'].cumsum().sort_index()print (df) RY Week no Value Cummulative Value0 2020 14 3.95321 53.730921 2020 15 3.56425 57.295172 2020 16 0.07042 57.365593 2020 17 6.45417 63.819764 2020 18 0.00029 63.820055 2020 19 0.27737 64.097426 2020 20 4.12644 68.223867 2020 21 0.32753 68.551398 2020 22 0.47239 69.023789 2020 23 0.28756 69.3113410 2020 24 1.83029 71.1416311 2020 25 0.75385 71.8954812 2020 26 2.08981 73.9852913 2020 27 2.05611 76.0414014 2020 28 1.00614 77.0475415 2020 29 0.02105 77.0685916 2020 30 0.58101 77.6496017 2020 31 3.49083 81.1404318 2020 32 8.29013 89.4305619 2020 33 8.99825 98.4288120 2020 34 2.66293 101.0917421 2020 35 0.16448 101.2562222 2020 36 2.26301 103.5192323 2020 37 1.09302 104.6122524 2020 38 1.66566 106.2779125 2020 39 1.47233 107.7502426 2020 40 6.42708 114.1773227 2020 41 2.67947 116.8567928 2020 42 6.79551 123.6523029 2020 43 4.45881 128.1111130 2020 44 1.87972 129.9908331 2020 45 0.76284 130.7536732 2020 46 1.86710 132.6207733 2020 47 2.07159 134.6923634 2020 48 2.87303 137.5653935 2020 49 7.66944 145.2348336 2020 50 1.20421 146.4390437 2020 51 9.04416 155.4832038 2020 52 2.26250 157.7457039 2020 1 1.17026 1.1702640 2020 2 14.22263 15.3928941 2020 3 1.36464 16.7575342 2020 4 2.64862 19.4061543 2020 5 8.69916 28.1053144 2020 6 4.51259 32.6179045 2020 7 2.83411 35.4520146 2020 8 3.64183 39.0938447 2020 9 4.77292 43.8667648 2020 10 1.64729 45.5140549 2020 11 1.68780 47.2018550 2020 12 2.24874 49.4505951 2020 13 0.32712 49.77771编辑：经过一番讨论后，解决方案应简化为GroupBy.cumsum：df['Cummulative Value'] = df.groupby('RY')['Value'].cumsum()
随时随地看视频慕课网APP
相关分类
Python