python - 在 group() 的 Pandas 中使用 cumsum

Question

来自 Pandas 新手:我的数据基本上是这样的 -

 data1=pd.DataFrame({'Dir':['E','E','W','W','E','W','W','E'], 'Bool':['Y','N','Y','N','Y','N','Y','N'], 'Data':[4,5,6,7,8,9,10,11]}, index=pd.DatetimeIndex(['12/30/2000','12/30/2000','12/30/2000','1/2/2001','1/3/2001','1/3/2001','12/30/2000','12/30/2000']))
data1
Out[1]: 
           Bool  Data Dir
2000-12-30    Y     4   E
2000-12-30    N     5   E
2000-12-30    Y     6   W
2001-01-02    N     7   W
2001-01-03    Y     8   E
2001-01-03    N     9   W
2000-12-30    Y    10   W
2000-12-30    N    11   E

我想按多个级别对其进行分组，然后执行 cumsum():

例如，像 running_sum=data1.groupby(['Bool','Dir']).cumsum() <-(不起作用)

输出看起来像这样:

Bool Dir Date        running_sum
N    E   2000-12-30           16
     W   2001-01-02            7
         2001-01-03           16
Y    E   2000-12-30            4
         2001-01-03           12
     W   2000-12-30           16

我的“喜欢”代码显然还差得远。我做了很多尝试，并学到了很多关于如何不这样做的新知识。

感谢您提供的任何帮助。

Answer 1

试试这个:

data2 = data1.reset_index()
data3 = data2.set_index(["Bool", "Dir", "index"])   # index is the new column created by reset_index
running_sum = data3.groupby(level=[0,1,2]).sum().groupby(level=[0,1]).cumsum()

您不能简单地在 data3 上使用 cumsum 的原因与您的数据结构有关。按 Bool 和 Dir 分组并应用聚合函数(sum、mean 等)将生成一个 DataFrame 为比您开始时更小的尺寸，因为您使用的任何函数都会根据您的组键聚合值。但是 cumsum 不是聚合函数。它将返回一个与调用它的数据帧大小相同的数据帧。因此，除非您的输入 DataFrame 的格式在调用 cumsum 后输出可以具有相同的大小，否则它将引发错误。这就是我首先调用 sum 的原因，它以正确的输入格式返回一个 DataFrame。

抱歉，如果我解释得不够好。也许其他人可以帮助我？