Question

我有一个多索引数据框，其中包含不同地区，大小和日期的销售数据。我想按大小计算每个日期的“全球”（在所有地区）销售总额，然后将其分配给原始数据框中的列，每个全球销售价值和大小广播到每个地区。我以为我可以按大小和日期进行分组，然后是cumsum（），然后将答案重新索引到原始数据框，但这似乎不起作用。

以下是设置代码：

import pandas as pd
#Create the dataframe 'df'
regions=['NorthAm']*9
regions.extend(['APAC']*9)
regions.extend(['Eur']*9)
sizes=[12]*3
sizes.extend([14]*3)
sizes.extend([16]*3)
sizes=sizes*3
dates=['1/1/2011','1/2/2011','1/3/2011']*27
idx=zip(regions,sizes,dates)
idx=pd.MultiIndex.from_tuples(idx, names=['Region','Size','Date'])
df=pd.DataFrame(np.arange(27), index = idx, columns=['Sales']) 

# Check it
df

Out[1]: 
                       Sales
Region  Size Date           
NorthAm 12   1/1/2011      0
             1/2/2011      1
             1/3/2011      2
        14   1/1/2011      3
             1/2/2011      4
             1/3/2011      5
        16   1/1/2011      6
             1/2/2011      7
             1/3/2011      8
APAC    12   1/1/2011      9
             1/2/2011     10
             1/3/2011     11
        14   1/1/2011     12
             1/2/2011     13
             1/3/2011     14
        16   1/1/2011     15
             1/2/2011     16
             1/3/2011     17
Eur     12   1/1/2011     18
             1/2/2011     19
             1/3/2011     20
        14   1/1/2011     21
             1/2/2011     22
             1/3/2011     23
        16   1/1/2011     24
             1/2/2011     25
             1/3/2011     26

# Yes, that's right. Now create the cumulative sum, regardless of region
cs=df.groupby(level=['Size','Date']).sum().groupby(level=0).cumsum()

# Check it.
cs

Out[1]: 
               Sales
Size Date           
12   1/1/2011     27
     1/2/2011     57
     1/3/2011     90
14   1/1/2011     36
     1/2/2011     75
     1/3/2011    117
16   1/1/2011     45
     1/2/2011     93
     1/3/2011    144

现在我想做点什么：

df['WWSales']=cd.reindex(df, method='???')

得到类似的东西：

Out[2]:
                       Sales    WWSales
Region  Size Date           
NorthAm 12   1/1/2011      0    27
             1/2/2011      1    57
             1/3/2011      2    90
        14   1/1/2011      3    36
             1/2/2011      4    75
             1/3/2011      5   115
        16   1/1/2011      6    45
             1/2/2011      7    93
             1/3/2011      8   144
APAC    12   1/1/2011      9    27
             1/2/2011     10    57
             1/3/2011     11    90
        14   1/1/2011     12    36
             1/2/2011     13    75
             1/3/2011     14   115
        16   1/1/2011     15    45
             1/2/2011     16    93
             1/3/2011     17   144
Eur     12   1/1/2011     18    27
             1/2/2011     19    57
             1/3/2011     20    90
        14   1/1/2011     21    36
             1/2/2011     22    75
             1/3/2011     23   115
        16   1/1/2011     24    45
             1/2/2011     25    93
             1/3/2011     26   144

我怀疑有一些非常明显的解决方案，但我没有看到它（并且没有在搜索中找到它）。任何帮助将不胜感激。

顺便说一句，奖励积分是一种优雅的方式，使日期列成为DateTimeIndex。以下作品，但似乎不优雅：

df.index.levels[2]=pd.tseries.period.DatetimeIndex(df.index.levels[2])

Answer 1

而不是（隐式）应用 sum和cumsum，而不是在每个组上使用transform方法。那就是：

df['WWSales'] = df.groupby(level=['Size','Date']).transform(np.sum).groupby(level=0).transform(np.cumsum)

这可以提供您想要的输出。

请参阅http://pandas.pydata.org/pandas-docs/dev/groupby.html#transformation

我会对您的红利问题采取措施：您可以将Timestamp映射到您的列表中。

 dates = map(pd.Timestamp, ['1/1/2011','1/2/2011','1/3/2011']*27)

但我希望有一种更简洁的方式 - 我将这个问题交给更有经验的人......

熊猫：reindex multiindex，广播结果

1 个答案: