使用 Pandas 运行引用多列的总计

Question

我有一个问题（希望很简单）。我正在尝试使用 Pandas 在 Python 中创建运行总计。假设我有一些工人，他们每天都会记录他们的工作时间。我想知道每天报告的到目前为止他们工作的总小时数。假设我有一个 Pandas 数据框，有四列，如下所示（在日期之间添加水平空间以便于阅读）：  Day Worker HoursWorked HoursWorkedThusFar   1      1           0                  0   1      2           2                  0   1      3           4                  0   2      1           6                  0   2      2           8                  0   2      3          10                  0   3      1          12                  0   3      2          14                  0   3      3          16                  0我想填写“HoursWorkedThusFar”栏。请注意，每个工人在一周开始时的工作时间为零。在非常粗略的伪代码中，我想对 HoursWorkedThusFar 列执行以下操作：For Day 2 onward:    For each worker:        Add up previous day's work, plus previous day's hours worked thus far因此，HoursWorkedThusFar 列应填写为：  Day Worker HoursWorked HoursWorkedThusFar   1      1           0                   0  (Initial Value)   1      2           2                   0  (Initial Value)   1      3           4                   0  (Initial Value)   2      1           6                   0  (0+0)   2      2           8                   2  (0+2)   2      3          10                   4  (0+4)   3      1          12                   6  (0+6)   3      2          14                   10 (2+8)   3      3          16                   14 (4+10)以下是生成该示例初始数据帧的代码：import pandas as pddf = pd.DataFrame(columns=('Day', 'Worker', 'HoursWorked', 'HoursWorkedThusFar'))for i in range(3):   df.loc[i] = [1, i + 1, i*2, 0]for i in range(3,6):   df.loc[i] = [2, i - 2, i*2, 0]for i in range (6,9):   df.loc[i] = [3, i - 5, i*2, 0]print(df)非常感谢任何建议。

Answer 1

尝试使用pd.Series.cumsum()生成运行总计

# Ordering data by worker and converting to numeric for application of running total
df["HoursWorked"]=df["HoursWorked"].astype(float)
df["HoursThusFar"] = df.groupby("Worker").cumsum()

分解它

我们创建df["HoursThusFar"]变量并执行以下操作：

1. 我们将其转换["HoursWorked"]为astype(float)

2. 我们将数据框和groupby每个数据框称为"Worker"

3. 我们让["HoursWorked"]序列准备好计算运行总和

4. 我们调用cumsum()方法来获取运行总计

Answer 2

我想这就是你要找的。不过，您需要首先将列转换为数字类型。

df['HoursWorked'] = df['HoursWorked'].astype(float)


df['HoursWorkedThusFar'] = df.groupby('Worker')['HoursWorked'].transform(lambda x: x.cumsum().shift().fillna(0))