Pandas按分组累加并保留指定列

Question

我已经花费了几个小时尝试在pandas数据帧上执行“累积分组求和”。我查看了所有stackoverflow答案，但令人惊讶的是，它们都不能解决我的（非常基础的）问题：

我有一个数据帧：

df1

我正在尝试

1.按 ['Name'，'Date'] 进行分组，并且 2.对 'Amount' 进行累加。 3.就是这样。

所以期望输出是：

df1

- gmarais

Answer 1

你需要将输出分配到新列中，然后通过 drop 移除 Amount 列：

df1['Cumsum'] = df1.groupby(by=['Name','Date'])['Amount'].cumsum()
df1 = df1.drop('Amount', axis=1)
print (df1)
   Name        Date  Cumsum
0  Jack  2016-01-31      10
1  Jack  2016-02-29       5
2  Jack  2016-02-29      13
3  Jill  2016-01-31      10
4  Jill  2016-02-29       5

使用 assign 的另一种解决方案：

df1 = df1.assign(Cumsum=df1.groupby(by=['Name','Date'])['Amount'].cumsum())
         .drop('Amount', axis=1)
print (df1)
   Name        Date  Cumsum
0  Jack  2016-01-31      10
1  Jack  2016-02-29       5
2  Jack  2016-02-29      13
3  Jill  2016-01-31      10
4  Jill  2016-02-29       5

评论编辑：

首先按照 Name 和 Date 分组列并聚合 sum，然后按照 Name 分组并聚合 cumsum。

df = df1.groupby(by=['Name','Date'])['Amount'].sum()
        .groupby(level='Name').cumsum().reset_index(name='Cumsum')
print (df)
   Name        Date  Cumsum
0  Jack  2016-01-31      10
1  Jack  2016-02-29      23
2  Jill  2016-01-31      10
3  Jill  2016-02-29      15

- jezrael

---

感谢您的回复，但是第二组应该将Jack的多个2016-02-29金额合并在一起。因此，Cumsum只能有四行，分别为“10、23、10、15”。尽管如此，我会尝试使用您提供的内容进行工作，谢谢。 - gmarais

Answer 2

先设置索引，然后按组进行分组。

df.set_index(['Name', 'Date']).groupby(level=[0, 1]).Amount.cumsum().reset_index()

---

在该帖子作者修改问题后，这现在是正确的答案。

df1.groupby(
    ['Name','Date']
)Amount.sum().groupby(
    level='Name'
).cumsum()

这是由jezrael提供的相同答案。

- piRSquared

---

谢谢您的回复。根据我的编辑，您的解决方案没有给出所需的输出，但我相信您提供了很好的指导。谢谢。 - gmarais

给我点踩的人，请重新考虑，因为问题在答案给出后被 OP 更改了。我不想显得抄袭 jezrael 的答案，所以只是参考了一下。 - piRSquared

嗨，piRSquared，我给你的投票打了个反对，因为即使在编辑之前，原始期望输出也没有通过你的代码实现 - 所以至少在我看来不应该点赞。然而，回过头来看，你提供了 set_index，解决了我的次要问题，所以我会点赞。再次感谢。 - gmarais

感谢您的迅速回复和帮助。 - gmarais

只是一条注释：这解决了我使用cumsum()时未包括groupby列的问题。所以谢谢！ - Ben