我正在尝试在应用分组功能后计算特定时间段内一个字段的总和。
我的数据集如下所示:
Date Company Country Sold
01.01.2020 A BE 1
02.01.2020 A BE 0
03.01.2020 A BE 1
03.01.2020 A BE 1
04.01.2020 A BE 1
05.01.2020 B DE 1
06.01.2020 B DE 0
我想在每行添加一个新列，用于计算过去 7 天的销售总和(每个组“公司、国家/地区” - 不包括当天
Date Company Country Sold LastWeek_Count
01.01.2020 A BE 1 0
02.01.2020 A BE 0 1
03.01.2020 A BE 1 1
03.01.2020 A BE 1 1
04.01.2020 A BE 1 3
05.01.2020 B DE 1 0
06.01.2020 B DE 0 1
我尝试了以下操作，但它还包括当前日期，并且它为同一日期提供了不同的值，即 03.01.2020
df['LastWeek_Count'] = df.groupby(['Company', 'Country']).rolling(7, on ='Date')['Sold'].sum().reset_index()
pandas 中有内置函数可以用来执行这些计算吗？
最佳答案
您可以使用 8 的 .rolling 窗口，然后减去日期的总和(对于每个分组的行)以有效获取前 7 天。对于此示例数据，我们还应该传递 min_periods=1 (否则您将得到 NaN 值，但对于您的实际数据集，您需要决定要做什么窗口为 <8)。
然后从 8 的 .rolling 窗口中，只需对相关列执行另一个 .groupby 操作，但还包括 Date 这次，并获取新创建的 LastWeek_Count 列的 max 值。您需要获取最大值，因为您每天有多个记录，因此通过获取最大值，您将获取每个日期的总聚合金额。
然后，创建一个按日期的总和分组的系列。在最后一步中，从滚动 8 天最大值中减去按日期计算的总和，这是获取前 7 天总和的解决方法，因为 .rolling< 没有用于偏移量的参数:
df['Date'] = pd.to_datetime(df['Date'], dayfirst=True)
df['LastWeek_Count'] = df.groupby(['Company', 'Country']).rolling(8, min_periods=1, on='Date')['Sold'].sum().reset_index()['Sold']
df['LastWeek_Count'] = df.groupby(['Company', 'Country', 'Date'])['LastWeek_Count'].transform('max')
s = df.groupby(['Company', 'Country', 'Date'])['Sold'].transform('sum')
df['LastWeek_Count'] = (df['LastWeek_Count']-s).astype(int)
Out[17]:
Date Company Country Sold LastWeek_Count
0 2020-01-01 A BE 1 0
1 2020-01-02 A BE 0 1
2 2020-01-03 A BE 1 1
3 2020-01-03 A BE 1 1
4 2020-01-04 A BE 1 3
5 2020-01-05 B DE 1 0
6 2020-01-06 B DE 0 1
关于Pandas groupby 和滚动窗口，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/63514200/