时间戳

首页 > 解决方案 > 基于两个分类列的累积计数

python - 基于两个分类列的累积计数

问题描述

对于表中的每条记录，我想做一个基于两个分类列的累积计数。

在下表中，我想获取cum_count列，该列是根据行业和deal_status列计算的。这个想法是，对于每条记录，计算同一行业之前赢得的交易数量。

例如，表的最后一条记录有一个cum_count = 3，因为之前只看到了 3 笔交易状态=行业= x赢的交易。

Pandas的GroupBy.cumcount 函数对单个变量执行此操作...

对于我描述的情况，我怎样才能做到这一点？

pd.DataFrame({'time': [1, 2, 3, 4, 5, 6, 7],
              'company' : ["ciaA", "ciaB", "ciaA", "ciaC", "ciaA", "ciaD", "ciaE"],
              'industry' : ["x", "y", "x", "x", "x", "y", "x"],
              'deal_status' : ["won", "lost", "won", "won", "lost", "won", "lost"],
              'cum_count' : [0, 0, 1, 2, 3, 0, 3]})


time    company    industry     deal_status     cum_count
 1       ciaA         x             won             0
 2       ciaB         y            lost             0
 3       ciaA         x             won             1
 4       ciaC         x             won             2
 5       ciaA         x            lost             3
 6       ciaD         y             won             0
 7       ciaE         x            lost             3

标签： pythonpandasjupyter-notebook

解决方案

创建一个辅助列，您将对其进行累计。需要在每个组内转移，因为您的计数仅包括以前的获胜值：

df['to_sum'] = (df.deal_status == 'won').astype(int)
df['cum_count'] = (df.groupby('industry')
                    .apply(lambda x: x.to_sum.shift(1).cumsum()).fillna(0)
                    .reset_index(0, drop=True))

输出df：

   time company industry deal_status  to_sum  cum_count
0     1    ciaA        x         won       1        0.0
1     2    ciaB        y        lost       0        0.0
2     3    ciaA        x         won       1        1.0
3     4    ciaC        x         won       1        2.0
4     5    ciaA        x        lost       0        3.0
5     6    ciaD        y         won       1        0.0
6     7    ciaE        x        lost       0        3.0

推荐阅读