按给定列分组的累积产品

Question

我有以下 Pandas DataFrame：df = pd.DataFrame([[1, 21, 20, 1.10],                   [1, 22, float('NaN'), 1.10],                    [1, 23, float('NaN'), 1.12],                    [2, 21, 15, 1.30],                   [2, 22, float('NaN'), 1.12],                   [3, 21, 25, 1.15],                    [3, 22, float('NaN'), 1.00],                   [3, 23, float('NaN'), 1.13]], columns=['User', 'Age', 'Salary', 'Rate'])╔══════╦═════╦════════╦══════╗║ User ║ Age ║ Salary ║ Rate ║╠══════╬═════╬════════╬══════╣║    1 ║  21 ║ 20     ║ 1.10 ║║    1 ║  22 ║ NaN    ║ 1.10 ║║    1 ║  23 ║ NaN    ║ 1.12 ║║    2 ║  21 ║ 15     ║ 1.30 ║║    2 ║  22 ║ NaN    ║ 1.12 ║║    3 ║  21 ║ 25     ║ 1.15 ║║    3 ║  22 ║ NaN    ║ 1.00 ║║    3 ║  23 ║ NaN    ║ 1.13 ║╚══════╩═════╩════════╩══════╝我需要获取 Salary 列中每个缺失值的累积乘积，如下所示：╔══════╦═════╦════════╦══════╗║ User ║ Age ║ Salary ║ Rate ║╠══════╬═════╬════════╬══════╣║    1 ║  21 ║ 20     ║ 1.10 ║║    1 ║  22 ║ 22     ║ 1.10 ║║    1 ║  23 ║ 24.2   ║ 1.12 ║║    2 ║  21 ║ 15     ║ 1.30 ║║    2 ║  22 ║ 19.5   ║ 1.12 ║║    3 ║  21 ║ 25     ║ 1.15 ║║    3 ║  22 ║ 28.75  ║ 1.00 ║║    3 ║  23 ║ 28.75  ║ 1.13 ║╚══════╩═════╩════════╩══════╝我尝试了几个选项，例如：df.groupby('User')['Rate'].cumprod().mul('Salary')但这些都不起作用。有没有办法避免 for 循环？

Answer 1

如果第一个 Salary 总是 Non-null，你可以ffill。此外，根据您的输出，您似乎需要在相乘之前将 cumsum 向下移动 1 行。

(df.groupby('User')['Rate']

   .apply(lambda x: x.cumprod().shift())

   .mul(df['Salary'].ffill())

   .fillna(df['Salary']))

0    20.00

1    22.00

2    24.20

3    15.00

4    19.50

5    25.00

6    28.75

7    28.75

dtype: float64