python - pandas.DataFrame.cumsum 函数的问题

Question

我在 python 中有以下数据框:

month = [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,1,2,3,4]
active = [1,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,1,1]
data1 = [1709.1,3869.7,4230.4,4656.9,48566.0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,93738.2,189293.2,194412.6,206585.8]
df = pd.DataFrame({
                    'month' : month,
                    'active' : active,
                    'd1' : data1,
                    'calculate' : 0,
                });

我想按以下方式计算“计算”列:

    month  active        d1  calculate0       1       1    1709.1     569.701       2       1    3869.7    1859.602       3       1    4230.4    3269.733       4       1    4656.9    4822.034       5       0   48566.0       0.005       6       0       0.0       0.006       7       0       0.0       0.007       8       0       0.0       0.008       9       0       0.0       0.009      10       0       0.0       0.0010     11       0       0.0       0.0011     12       0       0.0       0.0012     13       0       0.0       0.0013     14       0       0.0       0.0014     15       0       0.0       0.0015     16       0       0.0       0.0016     17       0       0.0       0.0017     18       0       0.0       0.0018     19       0       0.0       0.0019     20       0       0.0       0.0020      1       1   93738.2   31246.0721      2       1  189293.2   94343.8022      3       1  194412.6  159148.0023      4       1  206585.8  228009.93

I am doing it in the following way:

df['calculate'] = np.where(
                        df.month > 1,
                        np.where(
                                    df.active,
                                    (df.d1/3).cumsum(),
                                    0,
                        ),
                        (df['d1']/3)
                    )

但结果不是预期的:

    month  active        d1      calculate0       1       1    1709.1     569.7000001       2       1    3869.7    1859.6000002       3       1    4230.4    3269.7333333       4       1    4656.9    4822.0333334       5       0   48566.0       0.0000005       6       0       0.0       0.0000006       7       0       0.0       0.0000007       8       0       0.0       0.0000008       9       0       0.0       0.0000009      10       0       0.0       0.00000010     11       0       0.0       0.00000011     12       0       0.0       0.00000012     13       0       0.0       0.00000013     14       0       0.0       0.00000014     15       0       0.0       0.00000015     16       0       0.0       0.00000016     17       0       0.0       0.00000017     18       0       0.0       0.00000018     19       0       0.0       0.00000019     20       0       0.0       0.0020      1       1   93738.2   31246.0721      2       1  189293.2  115354.5022      3       1  194412.6  180158.7023      4       1  206585.8  249020.63

不知道我的要求是否清楚，谢谢谁能帮助我。

Answer 1

新答案

您的问题过于复杂化，您的问题可以简化为:

df.groupby(df.active.ne(df.active.shift()).cumsum()).d1.cumsum().div(3) * df.active

0        569.700000
1       1859.600000
2       3269.733333
3       4822.033333
4          0.000000
5          0.000000
6          0.000000
7          0.000000
8          0.000000
9          0.000000
10         0.000000
11         0.000000
12         0.000000
13         0.000000
14         0.000000
15         0.000000
16         0.000000
17         0.000000
18         0.000000
19         0.000000
20     31246.066667
21     94343.800000
22    159148.000000
23    228009.933333
dtype: float64

<小时/>

旧答案(我认为包含它来解释所尝试的逻辑仍然有用)

您只需要 1 的连续区域的累积和，但是，当您到达 DataFrame 的末尾时，您将继续 DataFrame 其余部分的累积和。一种解决方案是计算每组连续 1 的 cumsum，然后在最终检查中使用此结果。

<小时/>

当 np.select 更容易阅读时，我还希望避免链接调用 np.where。

s = df.groupby(df.active.ne(df.active.shift()).cumsum()).d1.cumsum()

c1 = df.month.gt(1) & df.active
c2 = df.month.gt(1) & ~df.active

df.assign(calculate=np.select([c1, c2], [s.div(3), 0], df.d1.div(3)))

    month  active        d1      calculate
0       1       1    1709.1     569.700000
1       2       1    3869.7    1859.600000
2       3       1    4230.4    3269.733333
3       4       1    4656.9    4822.033333
4       5       0   48566.0       0.000000
5       6       0       0.0       0.000000
6       7       0       0.0       0.000000
7       8       0       0.0       0.000000
8       9       0       0.0       0.000000
9      10       0       0.0       0.000000
10     11       0       0.0       0.000000
11     12       0       0.0       0.000000
12     13       0       0.0       0.000000
13     14       0       0.0       0.000000
14     15       0       0.0       0.000000
15     16       0       0.0       0.000000
16     17       0       0.0       0.000000
17     18       0       0.0       0.000000
18     19       0       0.0       0.000000
19     20       0       0.0       0.000000
20      1       1   93738.2   31246.066667
21      2       1  189293.2   94343.800000
22      3       1  194412.6  159148.000000
23      4       1  206585.8  228009.933333