Question

我有一个数据集，

data=pd.DataFrame({'id':pd.Series([1,1,1,2,2,3,3,3]),'var1':pd.Series([1,2,3,4,5,6,7,8]),'var2':pd.Series([11,12,13,14,15,16,17,18]),
'var3':pd.Series([21,22,23,24,25,26,27,28])})

这里我需要根据id计算所有列（var1，var2，var3）的分组累积和。如何根据我的要求编写python代码来输出包装？

提前致谢。

Answer 1

如果我理解正确，您可以使用DataFrame.groupby计算按'id' - 列分组的列的累计总和。类似的东西：

import pandas as pd
data=pd.DataFrame({'id':[1,1,1,2,2,3,3,3],'var1':[1,2,3,4,5,6,7,8],'var2':[11,12,13,14,15,16,17,18], 'var3':[21,22,23,24,25,26,27,28]})
data.groupby('id').apply(lambda x: x.drop('id', axis=1).cumsum(axis=1).sum())

Answer 2

我不熟悉您使用的pd对象的身份，但我理解您的问题的方式是您有一个标签列表（在您的代码中表示为id）长度相等的列表（在代码中表示为var1，var2和var3），并且您希望对共享相同标签的项进行求和，为每个标签执行此操作，并返回结果。

以下代码解决了一般问题（假设您的标签数组已排序）：

def cumsum(A):
 from operator import add
 return reduce(add, A) # cumulative sum of array A

def cumsumlbl(A, lbl):
 idx = [lbl.index(item) for item in set(lbl)] # begin index of each lbl subsequence
 idx.append(len(lbl)) # last index doesn't get added in the above line

 return [cumsum(A[i:j]) for (i,j) in zip(idx[:-1], idx[1:])]

或者使用Markus Jarderot的here代码的修改版本：

def cumsum(A):
 from operator import add
 return reduce(add, A)

def doublet(iterable):
 iterator = iter(iterable)
 item = iterator.next()
 for next in iterator:
  yield (item,next)
  item = next

def cumsumlbl(A, lbl):
 idx = [lbl.index(item) for item in set(lbl)]
 idx.append(len(lbl))
 dbl = doublet(idx) # generator for successive, overlapping pairs of indices

 return [cumsum(A[i:j]) for (i,j) in dbl]

并测试：

if __name__ == '__main__'
 A = [1, 2, 3, 4, 5, 6]
 lbl = [1, 1, 2, 2, 2, 3]
 print cumsumlbl(A, lbl)

输出：

[3, 12, 6]

如何计算python中多列的累积和

2 个答案: