我有一個看起來像這樣的數據框根據用戶操作（可能有四種操作），我想在給定時間點累積用戶的金額。A 類和 B 類行為代表用戶收入，C 類和 D 類行為代表用戶支出。換句話說，我想要這樣的結果用戶 1 首先執行 action_A 并得到 10 作為結果。然后 action_B 給我們 10 + 5 = 15。Action_C 代表金錢損失，給 use 15 - 5 = 10。最后，action_D 與 C 相同，我們得到 10 - 15 = -5。我怎樣才能用熊貓實現這個？我嘗試使用自定義聚合expanding().apply(agg_func)但沒有得到任何令人滿意的結果。編輯：數據框創建代碼ids = [1,1,1,1,2,2]dates = ['2019-03-07 13:54', '2019-03-07 16:07', '2019-03-10 19:20', '2019-03-10 19:20', '2016-03-07 14:47', '2016-03-09 11:07']amounts = [10., 5., 5., 15., 2., 4.]actions = ['action_A', 'action_B', 'action_C', 'action_D', 'action_A', 'action_B']result = [10, 15, 10, -5, 2, 6]pd.DataFrame({'user_id': ids, 'start_date': dates, 'amount': amounts, 'action': actions, 'result': result}, index=range(6))
2 回答
慕俠2389804
TA貢獻1719條經驗 獲得超6個贊
由和最后使用-1創建的掩碼的多個值：Series.isinSeries.maskGroupBy.cumsum
df['result'] = (df['amount'].mask(df['action'].isin(['action_C','action_D']),
df['amount'] * -1)
.groupby(df['user'])
.cumsum())
print (df['result'])
0 10.0
1 15.0
2 10.0
3 -5.0
4 2.0
5 6.0
Name: result, dtype: float64
與幫助列類似的解決方案：
df['result'] = (df.assign(tmp = df['amount'].mask(df['action'].isin(['action_C','action_D']),
df['amount']*-1))
.groupby('user')['tmp']
.cumsum())
ibeautiful
TA貢獻1993條經驗 獲得超6個贊
嘿希望這會給你一個提示：
首先，我對代表費用的行動給出否定符號。
df.loc[df.action.isin(['action_C','action_D'])].amount = -1 * df.loc[df.action.isin(['action_C','action_D'])].amount
然后你像這樣創建結果列
df['result'] = df.amount.cumsum()
添加回答
舉報
0/150
提交
取消