TL; DR

Question

我正在使用此处显示的示例中的数据： http://pandas.pydata.org/pandas-docs/stable/groupby.html。转到子标题：窗口和重新采样操作的新语法

在命令提示符下，新语法的工作方式如pandas文档中所示。但我想在现有数据框中添加一个包含扩展数据的新列，就像在已保存的程序中一样。

在通过扩展代码语法升级到groupby之前，我能够使用以下单行代码：

df = pd.DataFrame({'A': [1] * 10 + [5] * 10, 'B': np.arange(20)})
df['Sum of B'] = df.groupby('A')['B'].transform(lambda x: pd.expanding_sum(x))

这给出了预期的结果，但也提供了不推荐使用的expand_sum＆＃39;信息。预期结果如下：

    A   B  Sum of B
0   1   0         0
1   1   1         1
2   1   2         3
3   1   3         6
4   1   4        10
5   1   5        15
6   1   6        21
7   1   7        28
8   1   8        36
9   1   9        45
10  5  10        10
11  5  11        21
12  5  12        33
13  5  13        46
14  5  14        60
15  5  15        75
16  5  16        91
17  5  17       108
18  5  18       126
19  5  19       145

我想使用新语法来替换不推荐使用的语法。如果我尝试新语法，我会收到错误消息：

df['Sum of B'] = df.groupby('A').expanding().B.sum()

TypeError: incompatible index of inserted column with frame index

我在这里做了一些搜索，看到了一些可能有帮助的东西，但它给了我一个不同的信息：

df['Sum of B'] = df.groupby('A').expanding().B.sum().reset_index(level = 0)

ValueError: Wrong number of items passed 2, placement implies 1

我可以让它工作的唯一方法是将结果分配给临时df，然后将临时df合并到原始df中：

temp_df = df.groupby('A').expanding().B.sum().reset_index(level = 0).rename(columns = {'B' : 'Sum of B'})
new_df = pd.merge(df, temp_df, on = 'A', left_index = True, right_index = True)
print (new_df)

此代码给出了如上所示的预期结果。

我已经尝试过使用转换的不同变体，但是还没有像我在弃用之前那样在一行中编写代码。是否有单行语法可行？感谢。

Answer 1

看来你需要一个cumsum：

df.groupby('A')['B'].cumsum()

Answer 2

TL; DR

df['Sum of B'] = df.groupby('A')['B'].transform(lambda x: x.expanding().sum())

解释

我们从违规行开始：

df.groupby('A')['B'].transform(lambda x: pd.expanding_sum(x))

让我们仔细阅读您提到的警告：

FutureWarning：pd.expanding_sum已弃用于系列，并且将会在将来的版本中删除，替换为 Series.expanding（min_periods = 1）的.sum（）

阅读Pandas 0.17.0: pandas.expanding_sum后，很明显警告所说的Series是pd.expanding_sum的第一个参数。即在我们的例子中，它是x。

现在我们应用警告中建议的代码转换。因此pd.expanding_sum(x)变为x.expanding(min_periods=1).sum()。

根据Pandas 0.22.0: pandas.Series.expanding min_periods的默认值为1，因此在您的情况下可以完全省略，因此最终结果。

Pandas groupby扩展语法优化

2 个答案:

TL; DR

解释