python - 在数据框列上执行 cumsum 时如何设置最小值(物理库存不能低于 0)

Question

如何在python/pandas中计算最小值的累加和？

在下表中:

• “库存变化”列反射(reflect)每日销售/新库存采购。
• 数据输入/人为错误意味着应用 cumsum 显示 -5 的负库存水平，这在物理上是不可能的。
• 如“库存”列所示，数据输入错误在最后仍然是一个问题(100 比 95)。

数据框

            change in inventory  inventory  cumsum
2015-01-01                  100        100     100
2015-01-02                  -20         80      80
2015-01-03                  -30         50      50
2015-01-04                  -40         10      10
2015-01-05                  -15          0      -5
2015-01-06                  100        100      95

实现此目的的一种方法是使用循环，但它会很困惑，可能有更有效的方法来做到这一点。

这是生成数据框的代码:

import pandas as pd
df = pd.DataFrame.from_dict({'change in inventory': {'2015-01-01': 100,
  '2015-01-02': -20,
  '2015-01-03': -30,
  '2015-01-04': -40,
  '2015-01-05': -15,
  '2015-01-06': 100},
 'inventory': {'2015-01-01': 100,
  '2015-01-02': 80,
  '2015-01-03': 50,
  '2015-01-04': 10,
  '2015-01-05': 0,
  '2015-01-06': 100}})

df['cumsum'] = df['change in inventory'].cumsum()
df

如何在 python/pandas 中应用具有最小值的累积和来生成“库存”列中显示的值？

Answer 1

根据数据，循环具有相同符号的 block 可能更有效，例如。大的运行子 block 都是正的或负的。在运行负值后，您只需要小心回到正值即可。

最小限制值为 minS 对向量求和:

import numpy as np
i_sign = np.append(np.where(np.diff(np.sign(vector)) > 0)[0],[len(vector)])
i0 = 1
csum = np.maximum(minS, vector[:1])
for i1 in i_sign:
    tmp_csum = np.maximum(minS, csum[-1] + np.cumsum(vector[i0:i1+1]))
    csum = np.append(csum, tmp_csum)
    i0 = i1

csum 中的最终输出。