python - 你如何与熊猫进行分组，它对同一列中的值求和但被一组行数偏移

Question

我有一张如下表所示的表格。我想按 id、start_time 和方法进行分组，这样我就可以为每个类似的时间戳添加右转、直通、左转和掉头。

交集_id	开始时间	方法	移动	体积
799028	中午 12:00:00	南行	正确的	2
799028	上午 12:15:00	南行	正确的	4
799028	上午 12:30:00	南行	正确的	6
799028	中午 12:00:00	南行	直通	4
799028	上午 12:15:00	南行	直通	6
799028	上午 12:30:00	南行	直通	8
799028	中午 12:00:00	南行	剩下	6
799028	上午 12:15:00	南行	剩下	8
799028	上午 12:30:00	南行	剩下	10
799028	中午 12:00:00	南行	掉头	10
799028	上午 12:15:00	南行	掉头	12
799028	上午 12:30:00	南行	掉头	14

示例结果：

交集_id	开始时间	方法	移动	体积
799028	中午 12:00:00	南行	正确的	24
799028	上午 12:15:00	南行	正确的	30
799028	上午 12:30:00	南行	正确的	38
799028	中午 12:00:00	南行	直通	楠
799028	上午 12:15:00	南行	直通	楠
799028	上午 12:30:00	南行	直通	楠
799028	中午 12:00:00	南行	剩下	楠
799028	上午 12:15:00	南行	剩下	楠
799028	上午 12:30:00	南行	剩下	楠
799028	中午 12:00:00	南行	掉头	楠
799028	上午 12:15:00	南行	掉头	楠
799028	上午 12:30:00	南行	掉头	楠

这将不断重复，直到遍历所有 ID 和方法。

我尝试了几种不同的方法：

df['app_sum'] = df.groupby(['intersection_id','start_time','approach'], as_index=False)['volume'].transform('sum')

但是，此代码不会正确分组，也不会提供 nan 值；一旦通过初始时间戳集，它将重复这些值。

我尝试的第二个代码是

indexer = pd.api.indexers.FixedForwardWindowIndexer(window_size=4, offset=-3)
df['app_sum'] = (
    df.groupby(['intersection_id','start_time','approach'])['volume'].rolling(window=indexer).sum().droplevel(0))

我知道这是错误的，因为没有窗户。

有什么建议么？

标签： pythonpandasgroup-by

Answer 1

你可以使用：

df['volume'] = (df.groupby(['intersection_id', 'start_time', 'approach'])
                  ['volume'].transform('sum')
                  .where(df['movement'].eq('Right'))
                )

输出：

    intersection_id    start_time     approach movement  volume
0            799028  12:00:00 AM   Southbound    Right     22.0
1            799028  12:15:00 AM   Southbound    Right     30.0
2            799028  12:30:00 AM   Southbound    Right     38.0
3            799028  12:00:00 AM   Southbound     Thru      NaN
4            799028  12:15:00 AM   Southbound     Thru      NaN
5            799028  12:30:00 AM   Southbound     Thru      NaN
6            799028  12:00:00 AM   Southbound     Left      NaN
7            799028  12:15:00 AM   Southbound     Left      NaN
8            799028  12:30:00 AM   Southbound     Left      NaN
9            799028  12:00:00 AM   Southbound   U-turn      NaN
10           799028  12:15:00 AM   Southbound   U-turn      NaN
11           799028  12:30:00 AM   Southbound   U-turn      NaN