python - Pandas :创建列，其中包含同一 ID/组内另一列的前 n 行的滚动总和

Question

示例数据集:

    id  fruit
0   7   NaN
1   7   apple
2   7   NaN
3   7   mango
4   7   apple
5   7   potato
6   3   berry
7   3   olive
8   3   olive
9   3   grape
10  3   NaN
11  3   mango
12  3   potato

在 fruit 列中，NaN 和 potato 的值为 0。所有其他字符串的值为 1。我想生成一个新列 sum_last_3 其中每一行计算 fruit 列的前 3 行(含)的总和。当出现新的id时，应该从头开始计算。

我想要的输出:

   id   fruit sum_last3
0   7   NaN     0
1   7   apple   1
2   7   NaN     1
3   7   mango   2
4   7   apple   2
5   7   potato  2
6   3   berry   1
7   3   olive   2
8   3   olive   3
9   3   grape   3
10  3   NaN     2
11  3   mango   2
12  3   potato  1

我的代码:

df['sum_last5'] = (df['fruit'].ne('potato') & df['fruit'].notna())
.groupby('id',sort=False, as_index=False)['fruit']
.rolling(min_periods=1, window=3).sum().astype(int).values

Answer 1

您可以稍微修改您的代码，如下所示:

df['sum_last3'] = ((df['fruit'].ne('potato') & df['fruit'].notna())
                      .groupby(df['id'],sort=False)
                      .rolling(min_periods=1, window=3).sum().astype(int)
                      .droplevel(0)
                  )

或在您的代码中使用 .values:

df['sum_last3'] = ((df['fruit'].ne('potato') & df['fruit'].notna())
                      .groupby(df['id'],sort=False)
                      .rolling(min_periods=1, window=3).sum().astype(int)
                      .values
                  )

您的代码很接近，只需要在 .groupby() 调用中将 id 更改为 df['id'] (因为调用 .groupby() 的主体现在是 bool 系列而不是 df 本身，因此 .groupby() 无法识别 id 列仅由列标签“id”组成，还需要数据框名称来完全限定/标识该列)。

同时删除 as_index=False，因为此参数用于数据框而不是此处的( bool )系列。

结果:

print(df)

    id   fruit  sum_last3
0    7     NaN          0
1    7   apple          1
2    7     NaN          1
3    7   mango          2
4    7   apple          2
5    7  potato          2
6    3   berry          1
7    3   olive          2
8    3   olive          3
9    3   grape          3
10   3     NaN          2
11   3   mango          2
12   3  potato          1