两种情况下大Pandas的苏米夫鱼

Question

例如，我想要与Excel的sumifs等效的pandas

=SUMIFS($D4:D$107,$D$107,$G4:G$107)

我有三列，contract，amount和{}。对于每一个contract，如果事务类型是CBP，我想对amount求和。以下公式无效：

^{pr2}$

Answer 1

这是一种方法。我设置了一些虚构的数据来测试。在

输出是相同格式的dataframe，但包含CBP事务的总和。在

import pandas as pd

df = pd.DataFrame([['A', 123, 'ABC'],
                   ['A', 341, 'ABC'],
                   ['A', 652, 'CBP'],
                   ['A', 150, 'CBP'],
                   ['B', 562, 'DEF'],
                   ['B', 674, 'ABC'],
                   ['B', 562, 'CBP'],
                   ['B', 147, 'CBP']],
                  columns=['contract', 'amount', 'type'])

s = df.groupby(['contract', 'type'])['amount'].sum()
df = df.set_index(['contract', 'type']).join(s, rsuffix='_group')

df.loc[pd.IndexSlice[:, 'CBP'], 'amount'] = df.loc[pd.IndexSlice[:, 'CBP'], 'amount_group']
df = df.drop('amount_group', 1).reset_index().drop_duplicates()

#   contract type  amount
# 0        A  ABC     123
# 1        A  ABC     341
# 2        A  CBP     802
# 4        B  ABC     674
# 5        B  CBP     709
# 7        B  DEF     562

Answer 2

编辑：我觉得@Wen的回答更符合你的要求，但万一你想把结果写成一个系列：

一种简单的方法是，首先按要查找的事务类型“tla”筛选事务列表，然后应用groupby和所需的任何聚合方法：

ans = data[data['transaction_type_tla'] == 'CBP']
ans.groupby('contract')['amount'].cumsum()

这将产生一系列你的答案。在

Answer 3

借用日本数据：-）

df['New']=df.groupby('contract').apply(lambda x : x['amount'][x['type']=='CBP'].cumsum()).reset_index(level=0,drop=True)
df
Out[258]: 
  contract  amount type    New
0        A     123  ABC    NaN
1        A     341  ABC    NaN
2        A     652  CBP  652.0
3        A     150  CBP  802.0
4        B     562  DEF    NaN
5        B     674  ABC    NaN
6        B     562  CBP  562.0
7        B     147  CBP  709.0