我正在尝试按熊猫进行增量分组和排名。
样本DF：
df = pd.DataFrame(np.random.randint(0,20,size=(7,3)),columns=["a","b","c"])
df["d1"]=["Apple","Mango","Apple","Mango","Mango","Mango","Apple"]
df["d2"]=["Orange","lemon","lemon","Orange","lemon","Orange","lemon"]
df["date"] = ["2002-01-01","2002-01-01","2002-01-01","2002-01-01","2002-02-01","2002-02-01","2002-02-01"]
df["date"] = pd.to_datetime(df["date"])
df
a b c d1 d2 date
0 7 1 4 Apple Orange 2002-01-01
1 3 7 6 Mango lemon 2002-01-01
2 9 6 9 Apple lemon 2002-01-01
3 0 5 8 Mango Orange 2002-01-01
4 4 6 7 Mango lemon 2002-02-01
5 4 3 8 Mango Orange 2002-02-01
6 0 2 8 Apple lemon 2002-02-01
尝试按d1递增分组，并根据另一列d1对列c的每一行进行排名。
对于位置[0,"d1"]，值Apple将排在0上，因为只有一行，没有比较退出。
对于位置[1,"d1"]，值Mango将是1，因为考虑前两行，列Apple中C的对应值，即value [0,"c"]中的4（Apple）和[1,"C"]的值是6（对于Mango），因此Mango在此切片DF中具有较高的排名
对于位置[2,"d1"]来说，值Apple将是1，因为考虑前三行是列Apple中C的对应值，即value [0,"c"]的值为4（苹果），[1,"C"]的值为6（对于芒果），[2,"c"]的值为9（ Apple），因此Apple的2个值的平均值为(4+9)/2 =6.5，而Mango的值为6，因此Apple的排名为1。
递增地遵循相同的模式，并在递增切片的DF的最后一个索引处更新列d1的值。
第d1列的期望值：
0
1
1
1 => since for Apple (4+9)/2 and for Mango (6+8)/2
1 => since for Apple (4+9)/2 and for Mango (6+8+7)/3
1 => since for Apple (4+9)/2 and for Mango (6+8+7+8)/4
0 => since for Apple (4+9+8)/2 and for Mango (6+8+7+8)/4
我可以通过迭代切片df[:i]来在for循环中执行此操作，但是对于大型DF来说，这将永远花费，有关基于熊猫的方法的任何建议都将是很好的。
将第一种解决方案应用于以下随机DF：
a b c d1 d2 date
0 7 1 19 Apple Orange 2002-01-01
1 3 7 17 Mango lemon 2002-01-01
2 9 6 4 Apple lemon 2002-01-01
3 0 5 15 Apple Orange 2002-01-01
4 4 6 8 Mango lemon 2002-02-01
5 4 3 1 Mango Orange 2002-02-01
6 2 2 14 Apple lemon 2002-02-01
7 5 15 10 Mango Orange 2002-01-01
8 1 2 10 Apple lemon 2002-02-01
9 2 1 12 Apple Orange 2002-02-01
我得到d1的以下值：
0
0
0
1
0
0
1
0
1
0
最后一个值是错误的，因为此时Apple的值为12.33（19 + 4 + 15 + 14 + 10 + 12）/ 6而Mango的值为{{ 1}}（17 + 8 + 1 + 10）/ 4，因此9的最后一个值应为d1。
答案 0 :(得分：1)
a b c d1 d2 date
0 7 1 19 Apple Orange 2002-01-01
1 3 7 17 Mango lemon 2002-01-01
2 9 6 4 Apple lemon 2002-01-01
3 0 5 15 Apple Orange 2002-01-01
4 4 6 8 Mango lemon 2002-02-01
5 4 3 1 Mango Orange 2002-02-01
6 2 2 14 Apple lemon 2002-02-01
7 5 15 10 Mango Orange 2002-01-01
8 1 2 10 Apple lemon 2002-02-01
9 2 1 12 Apple Orange 2002-02-01
s = df.groupby('d1')['c'].expanding().mean().sort_index(level=1)
输出：
Apple 0 19.000000
Mango 1 17.000000
Apple 2 11.500000
3 12.666667
Mango 4 12.500000
5 8.666667
Apple 6 13.000000
Mango 7 9.000000
Apple 8 12.400000
9 12.333333
这时我们需要做什么？这些平均值正确吗？
如果我使用s.diff().ge(0)比较平均值，则会得到：
Apple 0 0
Mango 1 0
Apple 2 0
3 1
Mango 4 0
5 0
Apple 6 1
Mango 7 0
Apple 8 1
9 0
IIUC，
看看这个：
df.groupby('d1')['c'].expanding().mean().sort_index(level=1)
输出：
Apple 0 4.00 #4
Mango 1 6.00 #6
Apple 2 6.50 #9+4 / 2
Mango 3 7.00 #6 + 8 / 2
4 7.00 #6 + 8 + 7 / 3
5 7.25 #6 + 8 + 7 + 8 / 4
Apple 6 7.00 #4 + 9 + 8 / 3
Name: c, dtype: float64
现在，让我们与上一行进行比较：
df.groupby('d1')['c'].expanding().mean().sort_index(level=1).diff().ge(0).astype(int)
输出：
d1
Apple 0 0
Mango 1 1
Apple 2 1
Mango 3 1
4 1
5 1
Apple 6 0
Name: c, dtype: int32
或者您可能需要将芒果与苹果的最后一个价值进行比较...。
df.groupby('d1')['c'].expanding().mean().sort_index(level=1).unstack(0).ffill()
输出：
d1 Apple Mango
0 4.0 NaN
1 4.0 6.00
2 6.5 6.00
3 6.5 7.00
4 6.5 7.00
5 6.5 7.25
6 7.0 7.25
但是，我无法满足您的预期输出：
df.groupby('d1')['c'].expanding().mean().sort_index(level=1).unstack(0).ffill().eval('rank= Mango >= Apple')
输出：
d1 Apple Mango rank
0 4.0 NaN False
1 4.0 6.00 True
2 6.5 6.00 False
3 6.5 7.00 True
4 6.5 7.00 True
5 6.5 7.25 True
6 7.0 7.25 True