Pandas 复杂分组，计数并应用上限

Question

示例数据框

> 0   location_day       payType    Name   ratePay      elapsedSeconds   
> 1   2019-12-10           PRE       Amy    12.25             199 
> 2   2019-12-12           PRE       Amy    12.25               7 
> 3   2019-12-17           PRE       Amy    12.25              68 
> 4   2019-12-17            RP       Amy     8.75              62

对于每一天，求和 elapsedSeconds 并计算新列与总 toPay (elapsedSeconds * ratePay)，但应用 120 的“上限”elapsedSeconds。对于只有 1 个 payType 的任何一天，应用上限，以便只有 120 用于计算“toPay” “上校。

但...

此外，groupby payType 以便如果一天有 2 个唯一的“payTypes”，则对 elapsedSeconds 求和以确定它是否超过上限(120)，如果是，则从最后一个 payType 中减去 elapsedSeconds 以使总和等于 120 .

所以我想要这个输出:

> 0   location_day       payType    Name   ratePay      elapsedSeconds  
> 1   2019-12-10           PRE       Amy    12.25             120    
> 2   2019-12-12           PRE       Amy    12.25               7  
> 3   2019-12-17           PRE       Amy    12.25              68  
> 4   2019-12-17            RP       Amy     8.75              52

我不太确定如何处理这个问题，实际上只执行了一些非常基本的分组和测试，使用条件语句计算新列，例如

finDfcalc1 = finDf.sort('location_day').groupby(flds)['elapsedSeconds'].sum().reset_index()
finDfcalc1.loc[finDfcalc1['elapsedSeconds'] < 120, 'elapsedSecondsOverage'] = finDfcalc1['elapsedSeconds'] * 1
finDfcalc1.loc[finDfcalc1['elapsedSeconds'] > 120, 'elapsedSecondsOverage'] = finDfcalc1['elapsedSeconds'] - 120
finDfcalc1['toPay'] = finDfcalc1['ratePay'] * finDfcalc1['elapsedSecondsOverage']

这一切都不必是单行的，只要弄清楚逻辑就会很高兴。非常感谢所有建议和想法。

Answer 1

我们需要当天分组，计算'elapsedSeconds'的cumsum然后应用一些逻辑将一天内的总数剪辑为 120 秒，然后返回计算所有行的正确秒数。

这是一个更长的示例数据集，以显示它在多行需要更改的额外一天中的行为。

location_day       payType    Name   ratePay      elapsedSeconds   
2019-12-10           PRE       Amy    12.25             199 
2019-12-12           PRE       Amy    12.25               7 
2019-12-17           PRE       Amy    12.25              68 
2019-12-17            RP       Amy     8.75              62
2019-12-18           PRE       Amy    12.25              50 
2019-12-18            RP       Amy     8.75              60
2019-12-18            RA       Amy     8.75              20
2019-12-18            RE       Amy     8.75              10
2019-12-18            XX       Amy     8.75              123 

代码:

# Will become the seconds you want in the end
df['real_sec'] = df.groupby('location_day').elapsedSeconds.cumsum()

# Calculate a difference
m = df['real_sec'] - df['elapsedSeconds']

                                      #MagicNum
df['real_sec'] = (df['real_sec'].clip(upper=120)   # 120 at most
                  - m.where(m.gt(0)).fillna(0)     # only change rows where diff is positive
                 ).clip(lower=0)                   # Negative results -> 0 

 location_day payType Name  ratePay  elapsedSeconds  real_sec
0   2019-12-10     PRE  Amy    12.25             199     120.0
1   2019-12-12     PRE  Amy    12.25               7       7.0
2   2019-12-17     PRE  Amy    12.25              68      68.0
3   2019-12-17      RP  Amy     8.75              62      52.0
4   2019-12-18     PRE  Amy    12.25              50      50.0
5   2019-12-18      RP  Amy     8.75              60      60.0
6   2019-12-18      RA  Amy     8.75              20      10.0
7   2019-12-18      RE  Amy     8.75              10       0.0
8   2019-12-18      XX  Amy     8.75             123       0.0