假设我有以下DataFrame：
df = pd.DataFrame({'Event': ['A', 'B', 'A', 'A', 'B', 'C', 'B', 'B', 'A', 'C'],
'Date': ['2019-01-01', '2019-02-01', '2019-03-01', '2019-03-01', '2019-02-15',
'2019-03-15', '2019-04-05', '2019-04-05', '2019-04-15', '2019-06-10'],
'Sale': [100, 200, 150, 200, 150, 100, 300, 250, 500, 400]})
df['Date'] = pd.to_datetime(df['Date'])
df
Event Date Sale
A 2019-01-01 100
B 2019-02-01 200
A 2019-03-01 150
A 2019-03-01 200
B 2019-02-15 150
C 2019-03-15 100
B 2019-04-05 300
B 2019-04-05 250
A 2019-04-15 500
C 2019-06-10 400
我想获得以下结果：
Event Date Sale Total_Previous_Sale
A 2019-01-01 100 0
B 2019-02-01 200 0
A 2019-03-01 150 100
A 2019-03-01 200 100
B 2019-02-15 150 200
C 2019-03-15 100 0
B 2019-04-05 300 350
B 2019-04-05 250 350
A 2019-04-15 500 450
C 2019-06-10 400 100
其中，
df['Total_Previous_Sale']是事件（df['Sale']）在其相邻日期（df['Event']）之前发生的总销售额（df['Date']）。例如，2019年1月1日之前发生的活动A的总销售金额为0，
在2019-03-01之前发生的活动A的总销售金额为100，并且
在2019-04-15之前举行的活动A的总销售金额为100 + 150 + 200 = 450。
基本上，它与条件累积总和几乎相同，但仅适用于所有先前值（不包括当前值）。我可以使用此行获得所需的结果：
df['Sale_Total'] = [df.loc[(df['Event'] == df.loc[i, 'Event']) & (df['Date'] < df.loc[i, 'Date']),
'Sale'].sum() for i in range(len(df))]
虽然，速度很慢，但是效果很好。我相信，有一种更好更快的方法。我已经尝试过这些行：
df['Total_Previuos_Sale'] = df[df['Date'] < df['Date']].groupby(['Event'])['Sale'].cumsum()
要么
df['Total_Previuos_Sale'] = df.groupby(['Event'])['Sale'].shift(1).cumsum().fillna(0)
但会产生NaN或产生不良结果。
最佳答案
首先将每个sum的Event汇总，对于Date的MultiIndex汇总，然后按第一级Event进行分组，并使用带有lambda函数的累积总和的shift和最后一个join：
s = (df.groupby(['Event', 'Date'])['Sale']
.sum().groupby(level=0)
.apply(lambda x: x.shift(1).cumsum())
.fillna(0)
df = df.join(s.rename('Total_Previuos_Sale'), on=['Event','Date'])
print (df)
Event Date Sale Total_Previuos_Sale
0 A 2019-01-01 100 0.0
1 B 2019-02-01 200 0.0
2 A 2019-03-01 150 100.0
3 A 2019-03-01 200 100.0
4 B 2019-02-15 150 200.0
5 C 2019-03-15 100 0.0
6 B 2019-04-05 300 350.0
7 B 2019-04-05 250 350.0
8 A 2019-04-15 500 450.0
9 C 2019-06-10 400 100.0
关于python - 仅适用于所有先前值的Pandas中的条件运行总和，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/58074962/