python - Numpy:在引用前一行值时使用矢量化 for 循环？

Question

我有以下数据框，我想使用 numpy 创建一个名为“Value”的列以进行快速循环，同时引用同一列中的前一行值。

import pandas as pd
import numpy as np

df = pd.DataFrame(
    {
        "Product": ["A", "A", "A", "A", "B", "B", "B", "C", "C"],
        "Inbound": [115, 220, 200, 402, 313, 434, 321, 343, 120],
        "Outbound": [10, 20, 24, 52, 40, 12, 43, 23, 16],
        "Is First?": ["Yes", "No", "No", "No", "Yes", "No", "No", "Yes", "No"],
    }
)

  Product  Inbound  Outbound Is First?  Value
0       A      115        10       Yes    125
1       A      220        20        No    105
2       A      200        24        No     81
3       A      402        52        No     29
4       B      313        40       Yes    353
5       B      434        12        No    341
6       B      321        43        No    298
7       C      343        23       Yes    366
8       C      120        16        No    350

伪代码中Value列的公式为:

if ['Is First?'] = 'Yes' then [Value] = [Inbound] + [Outbound]
else [Value] = [Previous Value] - [Outbound]

现在创建 Value 列的理想方法是执行 for 循环 并使用 shift 来引用前一列(我不知何故无法工作)。但由于我将在一个巨大的数据集上应用它，我想对其使用 numpy 向量化方法。

for i in range(len(df)):
    if df.loc[i, "Is First?"] == "Yes":
        df.loc[i, "Value"] = df.loc[i, "Inbound"] + df.loc[i, "Outbound"]
    else:
        df.loc[i, "Value"] = df.loc[i, "Value"].shift(-1) + df.loc[i, "Outbound"]

Answer 1

一种方式:
您可以将 np.subtract.accumulate 与 transform

一起使用

s = df['Is First?'].eq('Yes').cumsum()
df['value'] = ((df.Inbound + df.Outbound).where(df['Is First?'].eq('Yes'), df.Outbound)
                                         .groupby(s)
                                         .transform(np.subtract.accumulate))

Out[1749]:
  Product  Inbound  Outbound Is First?  value
0       A      115        10       Yes    125
1       A      220        20        No    105
2       A      200        24        No     81
3       A      402        52        No     29
4       B      313        40       Yes    353
5       B      434        12        No    341
6       B      321        43        No    298
7       C      343        23       Yes    366
8       C      120        16        No    350

---

另一种方式:
为 Yes 赋值。创建 groupid s 以用于 groupby。 Groupby 和 shift Outbound 计算 cumsum，并从每个组的"is"值中减去它。最后，用它来填充。

df['value'] = (df.Inbound + df.Outbound).where(df['Is First?'].eq('Yes'))
s = df['Is First?'].eq('Yes').cumsum()
s1 = df.value.ffill() - df.Outbound.shift(-1).groupby(s).cumsum().shift()
df['value'] = df.value.fillna(s1)

Out[1671]:
  Product  Inbound  Outbound Is First?  value
0       A      115        10       Yes  125.0
1       A      220        20        No  105.0
2       A      200        24        No   81.0
3       A      402        52        No   29.0
4       B      313        40       Yes  353.0
5       B      434        12        No  341.0
6       B      321        43        No  298.0
7       C      343        23       Yes  366.0
8       C      120        16        No  350.0