熊猫石斑鱼“累积”总和

如何解决熊猫石斑鱼“累积”总和

我正在尝试计算接下来 4 周的累计总数。

这是我的数据框示例

d = {'account': [10,10,10],'volume': [25,60,40,100,50,50]}
df = pd.DataFrame(d)
df['week_starting'] = pd.date_range('05/02/2021',periods=8,freq='W')

df['volume_next_4_weeks'] = [225,250,290,240,190,90,50]
df['volume_next_4_weeks_cumulative'] = ['(25+60+40+100)','(60+40+100+50)','(40+100+50+100)','(100+50+100+40)','(50+100+40+50)','(100+40+50)','(40+50)','(50)']
df.head(10)

dataframe_table_view

我想找到一种方法来计算 pd.Grouper freq = 4W 的累积量。

解决方法

这应该有效：

df['volume_next_4_weeks']  = [sum(df['volume'][i:i+4]) for i in range(len(df))]

对于将加法显示为 string 的另一列，我使用上述相同的逻辑将值存储在列表中，但不应用 sum，然后将列表元素连接为 string：

df['volume_next_4_weeks_cumulative'] = [df['volume'][i:i+4].to_list() for i in range(len(df))]
df['volume_next_4_weeks_cumulative'] = df['volume_next_4_weeks_cumulative'].apply(lambda row: ' + '.join(str(x) for x in row))

现在，正如您所提到的，您有多个不同的帐户，并且希望为所有帐户分别执行此操作，请创建一个自定义函数，然后使用 groupby 和 apply 创建列：

def create_mov_cols(df):
    df['volume_next_4_weeks']  = [sum(df['volume'][i:i+4]) for i in range(len(df))]
    df['volume_next_4_weeks_cumulative'] = [df['volume'][i:i+4].to_list() for i in range(len(df))]
    df['volume_next_4_weeks_cumulative'] = df['volume_next_4_weeks_cumulative'].apply(lambda row: ' + '.join(str(x) for x in row))
    return df

将函数应用到DataFrame：

df = df.groupby(['account']).apply(create_mov_cols)

,

df['volume_next_4_weeks'] = df[['week_starting','volume']][::-1].rolling(window='28D',on='week_starting').sum()[::-1]['volume']

使用

28D 代替 4W，因为后者不是固定频率。