python-3.x - python pandas条件累积总和

Question

考虑我的数据框 df

data  data_binary  sum_data
  2       1            1
  5       0            0
  1       1            1
  4       1            2
  3       1            3
  10      0            0
  7       0            0
  3       1            1

我想计算 data_binary 的累积和连续组内 1值。

第一组 1有一个 1和 sum_data只有一个 1 .然而，第二组 1的有 3 1的和 sum_data是 [1, 2, 3] .

我试过使用 np.where(df['data_binary'] == 1, df['data_binary'].cumsum(), 0)但那又回来了

array([1, 0, 2, 3, 4, 0, 0, 5])

这不是我想要的。

Answer 1

你想取data_binary的累计和并减去最近的累积总和，其中 data_binary为零。

b = df.data_binary
c = b.cumsum()
c.sub(c.mask(b != 0).ffill(), fill_value=0).astype(int)

0    1
1    0
2    1
3    2
4    3
5    0
6    0
7    1
Name: data_binary, dtype: int64

说明

让我们从并排看每一步开始

cols = ['data_binary', 'cumulative_sum', 'nan_non_zero', 'forward_fill', 'final_result']
print(pd.concat([
        b, c,
        c.mask(b != 0),
        c.mask(b != 0).ffill(),
        c.sub(c.mask(b != 0).ffill(), fill_value=0).astype(int)
    ], axis=1, keys=cols))


   data_binary  cumulative_sum  nan_non_zero  forward_fill  final_result
0            1               1           NaN           NaN             1
1            0               1           1.0           1.0             0
2            1               2           NaN           1.0             1
3            1               3           NaN           1.0             2
4            1               4           NaN           1.0             3
5            0               4           4.0           4.0             0
6            0               4           4.0           4.0             0
7            1               5           NaN           4.0             1

cumulative_sum 的问题是 data_binary 所在的行为零，不重置总和。这就是这个解决方案的动机。我们如何在 data_binary 时“重置”总和是零吗？容易!我将累积总和切片，其中 data_binary为零并向前填充值。当我计算这个和累积总和之间的差异时，我已经有效地重置了总和。