我有一個數據框，如下所示：df：RY Week no Value2020 14 3.953212020 15 3.564252020 16 0.070422020 17 6.454172020 18 0.000292020 19 0.277372020 20 4.126442020 21 0.327532020 22 0.472392020 23 0.287562020 24 1.830292020 25 0.753852020 26 2.089812020 27 2.056112020 28 1.006142020 29 0.021052020 30 0.581012020 31 3.490832020 32 8.290132020 33 8.998252020 34 2.662932020 35 0.164482020 36 2.263012020 37 1.093022020 38 1.665662020 39 1.472332020 40 6.427082020 41 2.679472020 42 6.795512020 43 4.458812020 44 1.879722020 45 0.762842020 46 1.86712020 47 2.071592020 48 2.873032020 49 7.669442020 50 1.204212020 51 9.044162020 52 2.26252020 1 1.170262020 2 14.222632020 3 1.364642020 4 2.648622020 5 8.699162020 6 4.512592020 7 2.834112020 8 3.641832020 9 4.772922020 10 1.647292020 11 1.68782020 12 2.248742020 13 0.32712我使用日期創建了一周無列。在我的場景中，監管年度從 4 月 1 日開始，到明年 3 月 31 日結束，這就是為什么周號從 14 開始，到 13 結束?，F在我想創建另一個包含值列的累積和的列。我嘗試使用以下代碼來使用 cumsum()：df['Cummulative Value'] = df.groupby('RY')['Value'].apply(lambda x:x.cumsum())上述代碼的問題在于，它從第 1 周開始計算累積和，而不是從第 14 周開始計算。有沒有什么方法可以在不影響周訂單數的情況下計算累計總和？
1 回答
小唯快跑啊
TA貢獻1863條經驗 獲得超2個贊
編輯：您可以按原始順序的之前和最后一個排序索引對值RY進行Week no排序GroupBy.cumsum：
#create default index for correct working
df = df.reset_index(drop=True)
df['Cummulative Value'] = df.sort_values(['RY','Week no']).groupby('RY')['Value'].cumsum().sort_index()
print (df)
? ? ? RY? Week no? ? ?Value? Cummulative Value
0? ?2020? ? ? ?14? ?3.95321? ? ? ? ? ?53.73092
1? ?2020? ? ? ?15? ?3.56425? ? ? ? ? ?57.29517
2? ?2020? ? ? ?16? ?0.07042? ? ? ? ? ?57.36559
3? ?2020? ? ? ?17? ?6.45417? ? ? ? ? ?63.81976
4? ?2020? ? ? ?18? ?0.00029? ? ? ? ? ?63.82005
5? ?2020? ? ? ?19? ?0.27737? ? ? ? ? ?64.09742
6? ?2020? ? ? ?20? ?4.12644? ? ? ? ? ?68.22386
7? ?2020? ? ? ?21? ?0.32753? ? ? ? ? ?68.55139
8? ?2020? ? ? ?22? ?0.47239? ? ? ? ? ?69.02378
9? ?2020? ? ? ?23? ?0.28756? ? ? ? ? ?69.31134
10? 2020? ? ? ?24? ?1.83029? ? ? ? ? ?71.14163
11? 2020? ? ? ?25? ?0.75385? ? ? ? ? ?71.89548
12? 2020? ? ? ?26? ?2.08981? ? ? ? ? ?73.98529
13? 2020? ? ? ?27? ?2.05611? ? ? ? ? ?76.04140
14? 2020? ? ? ?28? ?1.00614? ? ? ? ? ?77.04754
15? 2020? ? ? ?29? ?0.02105? ? ? ? ? ?77.06859
16? 2020? ? ? ?30? ?0.58101? ? ? ? ? ?77.64960
17? 2020? ? ? ?31? ?3.49083? ? ? ? ? ?81.14043
18? 2020? ? ? ?32? ?8.29013? ? ? ? ? ?89.43056
19? 2020? ? ? ?33? ?8.99825? ? ? ? ? ?98.42881
20? 2020? ? ? ?34? ?2.66293? ? ? ? ? 101.09174
21? 2020? ? ? ?35? ?0.16448? ? ? ? ? 101.25622
22? 2020? ? ? ?36? ?2.26301? ? ? ? ? 103.51923
23? 2020? ? ? ?37? ?1.09302? ? ? ? ? 104.61225
24? 2020? ? ? ?38? ?1.66566? ? ? ? ? 106.27791
25? 2020? ? ? ?39? ?1.47233? ? ? ? ? 107.75024
26? 2020? ? ? ?40? ?6.42708? ? ? ? ? 114.17732
27? 2020? ? ? ?41? ?2.67947? ? ? ? ? 116.85679
28? 2020? ? ? ?42? ?6.79551? ? ? ? ? 123.65230
29? 2020? ? ? ?43? ?4.45881? ? ? ? ? 128.11111
30? 2020? ? ? ?44? ?1.87972? ? ? ? ? 129.99083
31? 2020? ? ? ?45? ?0.76284? ? ? ? ? 130.75367
32? 2020? ? ? ?46? ?1.86710? ? ? ? ? 132.62077
33? 2020? ? ? ?47? ?2.07159? ? ? ? ? 134.69236
34? 2020? ? ? ?48? ?2.87303? ? ? ? ? 137.56539
35? 2020? ? ? ?49? ?7.66944? ? ? ? ? 145.23483
36? 2020? ? ? ?50? ?1.20421? ? ? ? ? 146.43904
37? 2020? ? ? ?51? ?9.04416? ? ? ? ? 155.48320
38? 2020? ? ? ?52? ?2.26250? ? ? ? ? 157.74570
39? 2020? ? ? ? 1? ?1.17026? ? ? ? ? ? 1.17026
40? 2020? ? ? ? 2? 14.22263? ? ? ? ? ?15.39289
41? 2020? ? ? ? 3? ?1.36464? ? ? ? ? ?16.75753
42? 2020? ? ? ? 4? ?2.64862? ? ? ? ? ?19.40615
43? 2020? ? ? ? 5? ?8.69916? ? ? ? ? ?28.10531
44? 2020? ? ? ? 6? ?4.51259? ? ? ? ? ?32.61790
45? 2020? ? ? ? 7? ?2.83411? ? ? ? ? ?35.45201
46? 2020? ? ? ? 8? ?3.64183? ? ? ? ? ?39.09384
47? 2020? ? ? ? 9? ?4.77292? ? ? ? ? ?43.86676
48? 2020? ? ? ?10? ?1.64729? ? ? ? ? ?45.51405
49? 2020? ? ? ?11? ?1.68780? ? ? ? ? ?47.20185
50? 2020? ? ? ?12? ?2.24874? ? ? ? ? ?49.45059
51? 2020? ? ? ?13? ?0.32712? ? ? ? ? ?49.77771
編輯：
經過一番討論后，解決方案應簡化為GroupBy.cumsum：
df['Cummulative Value'] = df.groupby('RY')['Value'].cumsum()
添加回答
舉報
0/150
提交
取消