Вопросы Теги

Увеличение суммы с группой по дате

Код, который я использовал. Я думаю, что это самое лучшее: 

def tail(f, n, offset=None):
    """Reads a n lines from f with an offset of offset lines.  The return
    value is a tuple in the form ``(lines, has_more)`` where `has_more` is
    an indicator that is `True` if there are more lines in the file.
    """
    avg_line_length = 74
    to_read = n + (offset or 0)

    while 1:
        try:
            f.seek(-(avg_line_length * to_read), 2)
        except IOError:
            # woops.  apparently file is smaller than what we want
            # to step back, go to the beginning instead
            f.seek(0)
        pos = f.tell()
        lines = f.read().splitlines()
        if len(lines) >= to_read or pos == 0:
            return lines[-to_read:offset and -offset or None], \
                   len(lines) > to_read or pos > 0
        avg_line_length *= 1.3
1
задан Radu Gheorghiu 19 March 2019 в 09:13
поделиться

1 ответ

Используйте DataFrameGroupBy.cumsum с указанными столбцами после groupby: 

#if DatetimeIndex
idx = data_aggregated.index.date
#if column
#idx = data_aggregated['creationDateTime'].dt.date
data_aggregated[['RollingOK','RollingFail']] = (data_aggregated.groupby(idx)['OK','Fail']
                                                               .cumsum())
print (data_aggregated)
                     OK  Fail  RollingOK  RollingFail
creationDateTime                                     
2017-01-06 21:30:00   4     0          4            0
2017-01-06 21:35:00   4     0          8            0
2017-01-06 21:36:00   4     0         12            0
2017-01-07 21:48:00   3     1          3            1
2017-01-07 21:53:00   4     0          7            1
2017-01-08 21:22:00   3     1          3            1
2017-01-08 21:27:00   3     1          6            2
2017-01-09 21:49:00   3     1          3            1

Вы также можете работать со всеми столбцами: 

data_aggregated = (data_aggregated.join(data_aggregated.groupby(idx)
                                                       .cumsum()
                                                       .add_prefix('Rolling')))
print (data_aggregated)
                     OK  Fail  RollingOK  RollingFail
creationDateTime                                     
2017-01-06 21:30:00   4     0          4            0
2017-01-06 21:35:00   4     0          8            0
2017-01-06 21:36:00   4     0         12            0
2017-01-07 21:48:00   3     1          3            1
2017-01-07 21:53:00   4     0          7            1
2017-01-08 21:22:00   3     1          3            1
2017-01-08 21:27:00   3     1          6            2
2017-01-09 21:49:00   3     1          3            1

Ваше решение должно быть изменены: 

data_aggregated[['RollingOK','RollingFail']] = (data_aggregated.groupby(idx)['OK','Fail']
                                                           .expanding(0)
                                                           .sum()
                                                           .reset_index(level=0, drop=True))
0
ответ дан jezrael 19 March 2019 в 09:13
поделиться
Другие вопросы по тегам:

Похожие вопросы: