假设我有以下DataFrame:
我希望能得到以下结果:
但它会产生 NaN 或产生不需要的结果。
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
我希望能得到以下结果:
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
df['Total_Previous_Sale']
是当事件 (df['Event']
) 发生在其相邻日期 (df['Date']
) 之前时的销售总额 (df['Sale']
)。例如:
- 事件 A 在 2019-01-01 之前的销售总额为 0,
- 事件 A 在 2019-03-01 之前的销售总额为 100,以及
- 事件 A 在 2019-04-15 之前的销售总额为 100 + 150 + 200 = 450。
基本上,它与条件累计总和几乎相同,但仅适用于所有先前值(不包括当前值)。 我可以使用以下代码获得所需结果:
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))]
虽然它运行缓慢,但是它可以正常工作。我相信有一种更好、更快的方法来解决这个问题。我尝试了以下代码:
df['Total_Previuos_Sale'] = df[df['Date'] < df['Date']].groupby(['Event'])['Sale'].cumsum()
或者
df['Total_Previuos_Sale'] = df.groupby(['Event'])['Sale'].shift(1).cumsum().fillna(0)
但它会产生 NaN 或产生不需要的结果。