Python - 使用pandas数据框进行计算

Question

Python - 使用pandas数据框进行计算

3

我是一名初学者，正在尝试通过以下示例学习pandas。

我有以下两个数据框：

第一个数据框如下：

CCP_DETAILS_SID BASE_LINE
    1            1235.89
    2            369.32
    3            9863.1

第二个是，

CCP_DETAILS_SID PERIOD_SID  GROWTH
1                  601       0.1
1                  602       0.2
1                  603       0.3
2                  601       0.1
2                  602       0.2
2                  603       0.3
3                  601       0.1
3                  602       0.2
3                  603       0.3

通过合并以上两个数据，我正在尝试计算一个名为“PROJECTION_SALES”的字段。该字段的公式和示例如下。

Projection_Sales = (Base_Line) * (1+Growth)，而两个数据帧之间的合并或连接条件是CCP_DETAILS_SID。

示例：

    Projection_Sales(ccp_details_sid=1 and period_sid=601)=1235.89*(1+0.1)

    Projection_Sales(ccp_details_sid=1 and period_sid=602)=1235.89*(1+0.1)*(1+0.2)

    Projection_Sales(ccp_details_sid=1 and period_sid=603)=1235.89*(1+0.1)*(1+0.2)*(1+0.3)

    Projection_Sales(ccp_details_sid=2 and period_sid=601)=369.32*(1+0.1).

同样的计算方法适用于数据框中的其他行。以下是示例输出。

CCP_DETAILS_SID PERIOD_SID  PROJECTION_SALES
1                 601        1359.479
1                 602        1631.3748
1                 603        2120.78724
2                 601        406.252
2                 602        487.5024
2                 603        633.75312
3                 601        10849.41
3                 602        13019.292
3                 603        16925.0796

我已经尝试了以下类似的东西

pd.merge(first,second,how='inner',on='CCP_DETAILS_SID')

在这一步之后，我需要使用cumprod来扩展代码。因为您可以观察到上面的示例具有累积乘积逻辑等等。

请问大家能否建议我完成这个计算的方法？

- Tharunkumar Reddy

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- MaxU - stand with Ukraine · Accepted Answer

Is that what you want?

In [145]: t = d1.merge(d2)

In [146]: (t.assign(x=t.assign(x=t.GROWTH+1)
                       .groupby('CCP_DETAILS_SID')['x']
                       .cumprod())
            .eval("Projection_Sales = BASE_LINE * x")
            .drop('x',1))
Out[146]:
   CCP_DETAILS_SID  BASE_LINE  PERIOD_SID  GROWTH  Projection_Sales
0                1    1235.89         601     0.1        1359.47900
1                1    1235.89         602     0.2        1631.37480
2                1    1235.89         603     0.3        2120.78724
3                2     369.32         601     0.1         406.25200
4                2     369.32         602     0.2         487.50240
5                2     369.32         603     0.3         633.75312
6                3    9863.10         601     0.1       10849.41000
7                3    9863.10         602     0.2       13019.29200
8                3    9863.10         603     0.3       16925.07960