Question

我有一个看起来像这样的数据框：

df = pd.DataFrame({'publisher': ['facebook', 'facebook', 'facebook', 'google', 'google', 'google'],
          'month_leadgen': ['2019-01', '2019-01', '2019-01', '2019-02', '2019-02', '2019-03'],
         'month_payment': ['2019-01', '2019-02', '2019-03', '2019-02', '2019-03', '2019-03'],
         'revenue': [60, 25, 45, 85, 90, 60]})

我创建了数据透视表：

df = df.pivot_table(index=['publisher', 'month_leadgen'], columns=['month_payment'], values=['revenue']).reset_index()

    publisher   month_leadgen   revenue
month_payment            2019-01  2019-02  2019-03
0   facebook    2019-01  60.0     25.0     45.0
1   google      2019-02  NaN      85.0     90.0
2   google      2019-03  NaN      NaN      60.0

我的预期输出将是按月汇总运行总计。所以对于facebook，我想在2019-02栏中看到85.0（第1个月+第2个月）。 Facebook的2019-03栏为125.0（第1个月+第2个月+第3个月）。谢谢。

Answer 1

让我们尝试在轴= 1上使用.cumsum()。那就是cumsum(1)。

df=df.join(df[['revenue']].cumsum(1).rename(columns=dict(revenue='Cumsum')))



publisher month_leadgen                     revenue                  Cumsum          \
month_payment                         2019-01 2019-02 2019-03   2019-01 2019-02   
0              facebook       2019-01    60.0    25.0    45.0    60.0    85.0   
1                google       2019-02     NaN    85.0    90.0     NaN    85.0   
2                google       2019-03     NaN     NaN    60.0     NaN     NaN   

                       
month_payment 2019-03  
0               130.0  
1               175.0  
2                60.0

或者，在枢纽阶段进行；

df2 = df=df.pivot_table(index=['month_leadgen','publisher'], columns=['month_payment'], values=['revenue']).cumsum(axis=1).reset_index()

Answer 2

只需以发布者作为索引来定义数据集：

df = pd.DataFrame（ { 'month_leadgen'：['2019-01'，'2019-01'，'2019-01'，'2019-02'，'2019-02'，'2019-03']， 'month_payment'：['2019-01'，'2019-02'，'2019-03'，'2019-02'，'2019-03'，'2019-03']， “收入”：[60、25、45、85、90、60] }，索引= ['facebook'，'facebook'，'facebook'，'google'，'google'，'google'] ）

然后执行，执行以下行：

df ['TotalShifted'] = df.groupby（level = 0）['revenue']。transform（lambda x：x.cumsum（）。shift（0））

您将获得：

month_leadgen month_pay收入TotalShifted facebook 2019-01 2019-01 60 60 facebook 2019-01 2019-02 25 85 脸谱网2019-01 2019-03 45130 谷歌2019-02 2019-02 85 85 谷歌2019-02 2019-03 90175 谷歌2019-03 2019-03 60 235

熊猫数据透视表中的运行总和（Python）

2 个答案: