根据递减值计算新值

Question

问题：

我想做的是一步一步地将Series中的一个值通过一个不断减少的基数逐步减少。在

我不确定这个术语是什么-我想我可以用cumsum和{}做点什么，但我想我在那里开始了一场漫无目的的追逐。。。在

起始代码：

import pandas as pd

ALLOWANCE = 100
values = pd.Series([85, 10, 25, 30])

期望输出：

^{pr2}$

理由：

从ALLOWANCE开始，Series中的每个值都将减去剩余的量，这也是津贴本身，因此将执行以下步骤：

• 从100开始，我们可以完全删除85，所以它变成{}，现在剩下{}为{}
• 下一个值是10，我们仍然有15可用，所以这又变成了0，剩下{}。在
• 下一个值是25-我们只剩下5，所以这变成了20，现在我们没有更多的余量了。在
• 下一个值是30，由于没有余量，该值保持为30。在

Answer 1

这可能不是很有效，但目前这是熊猫使用^{}完成此操作的方法：

In [53]:

ALLOWANCE = 100
def reduce(x):
    global ALLOWANCE
    # short circuit if we've already reached 0
    if ALLOWANCE == 0:
        return x
    val = max(0, x - ALLOWANCE)
    ALLOWANCE = max(0, ALLOWANCE - x)
    return val

pd.rolling_apply(values, window=1, func=reduce)
Out[53]:
0     0
1     0
2    20
3    30
dtype: float64

或者更简单地说：

^{pr2}$

Answer 2

按照你最初的想法cumsum和diff，你可以写下：

>>> (values.cumsum() - ALLOWANCE).clip_lower(0).diff().fillna(0)
0     0
1     0
2    20
3    30
dtype: float64

这是values减去允许值的累计和。负值被裁剪为零（因为我们不在乎数字，直到我们透支了津贴）。从那里，你可以计算出差额。在

但是，如果第一个值可能大于允许值，则首选以下两行变化：

^{pr2}$

这将用“first value-allows”值填充第一个NaN值。因此，在ALLOWANCE被降低到75的情况下，它将desired作为Series([10, 10, 25, 30])返回。在

Answer 3

你对cumsum和diff的想法奏效了。它看起来不太复杂；不确定是否有更短的解决方案。首先，我们计算累计和，然后进行运算，然后返回（diff有点像{}的逆函数）。在

import math

c = values.cumsum() - ALLOWANCE
# now we've got [-15, -5, 20, 50]
c[c < 0] = 0 # negative values don't make sense here

# (c - c.shift(1)) # <-- what I had first: diff by accident

# it is important that we don't fill with 0, in case that the first
# value is greater than ALLOWANCE
c.diff().fillna(math.max(0, values[0] - ALLOWANCE))