反向累加法获取大Pandas逐月数据

Question

我已经收到了累积数字的数据。有没有一种聪明的方法来逆转数据的积累，这样我就可以逐月地把数据收集起来，而不是叠在一起？你知道吗

输入示例：

 Date    SalesRep    itemA   
 01-12-2017  X        1      
 01-12-2017  Y        0     
 01-12-2017  Z        0   
 01-01-2018  X        1     
 01-01-2018  Y        1     
 01-01-2018  Z        0    
 01-02-2018  X        1    
 01-02-2018  Y        1    
 01-02-2018  Z        1   

期望输出：

 Date    SalesRep    itemA   
 01-12-2017  X       1      
 01-12-2017  Y       0     
 01-12-2017  Z       0   
 01-01-2018  X       0     
 01-01-2018  Y       1     
 01-01-2018  Z       0    
 01-02-2018  X       0   
 01-02-2018  Y       0    
 01-02-2018  Z       1  

我使用的脚本，我从论坛重用。你知道吗

import pandas as pd
df = pd.read_excel('File.xlsx')

df['Date'] = pd.to_datetime(df['Date'], dayfirst=True)

df = df.sort_values('Date', ascending=False) # This now sorts in date order

cum_columns = ['itemA']

result = df.merge(
df.groupby('SalesRep')[cum_columns].diff(),
left_index=True, right_index=True, suffixes=['', '_uncum']
).fillna({'{}_uncum'.format(cum_column): df[cum_column] for cum_column in cum_columns})

print(result)

因为对于最后一个月，每个值都是1，那么其余的月份都是0。如何更改脚本以处理我的案例？你知道吗

编辑

使用JohnE-answer我得到错误请看：

    Date              SalesRep  ItemA   itemA_diff
    2018-08-01 00:00:00 John    1        1
    2018-07-01 00:00:00 John    1        0
    2018-06-01 00:00:00 John    0        -1
    2018-05-01 00:00:00 John    0        0
    2018-04-01 00:00:00 John    0        0
    2018-03-01 00:00:00 John    0        0
    2018-02-01 00:00:00 John    0        0
    2018-01-01 00:00:00 John    0        0
    2017-12-01 00:00:00 John    0        0
    2017-11-01 00:00:00 John    0        0
    2017-10-01 00:00:00 John    0        0

我应该去

    Date              SalesRep  ItemA   itemA_diff
    2018-08-01 00:00:00 John    1        0
    2018-07-01 00:00:00 John    1        1
    2018-06-01 00:00:00 John    0        0
    2018-05-01 00:00:00 John    0        0
    2018-04-01 00:00:00 John    0        0
    2018-03-01 00:00:00 John    0        0
    2018-02-01 00:00:00 John    0        0
    2018-01-01 00:00:00 John    0        0
    2017-12-01 00:00:00 John    0        0
    2017-11-01 00:00:00 John    0        0
    2017-10-01 00:00:00 John    0        0

应该改变什么？你知道吗

Answer 1

这是组合groupby和diff的一个相当标准的用例，尽管语法可能相当芬尼基（参见下面的注释）：

df = df.sort_values('Date')
df['itemA_diff'] = df.groupby('SalesRep')['itemA'].diff()
df['itemA_diff'] = df['itemA_diff'].fillna(df['itemA'])

结果：

        Date SalesRep  itemA  itemA_diff
0 2017-01-12        X      1         1.0
1 2017-01-12        Y      0         0.0
2 2017-01-12        Z      0         0.0
3 2018-01-01        X      1         0.0
4 2018-01-01        Y      1         1.0
5 2018-01-01        Z      0         0.0
6 2018-01-02        X      1         0.0
7 2018-01-02        Y      1         0.0
8 2018-01-02        Z      1         1.0

注意事项：

1. 首先按“Date”排序是很重要的，而且您已经根据需要使用pd.to_datetime转换为适当的pandas datetime。

2. 我不知道为什么，但是“Date”和“itemA”都需要是列而不是索引。（我第一次尝试在索引中使用“Date”时出现了奇怪的错误）

替代方法：以下是@jezrael要求提供的原始答案，可能更快：

df = df.sort_values(['SalesRep','Date'])
df['itemA_diff'] = df['itemA'].diff()
df['itemA_diff'] = np.where( df.SalesRep == df.shift().SalesRep, 
                             df.itemA_diff, 
                             df.itemA )