根据 ID 添加熊猫列值

Question

我对示例 csv 文件有以下要求，如下所示，

colA   colB    NewCol
1     val1     val1
1     val2     val1 + val2
1     val3     val1 + val2 + val3
2     val4     val4
2     val5     val4 + val5
2     val6     val4 + val5 + val6
3     val7     val7
3     val8     val7 + val8
3     val9     val7 + val8 + val9

我想向 df 添加一个新列，以便它仅为相同的 ID 值添加连续的 colB 值。列 B 可以是整数或字符串。

Answer 1

使用groupby+cumsum：

df['NewCol'] = df.groupby('colA')['colB'].cumsum()

---

对于字符串求和，您可以使用列表推导式groupby：

df = df.sort_values('colA')
df['C'] = [''.join(g.iloc[:i+1].values) 
for _, g in df.groupby('colA')['colB'] 
for i in range(len(g.index))]
print(df)
colA  colB             C
0     1  val1          val1
1     1  val2      val1val2
2     1  val3  val1val2val3
3     2  val4          val4
4     2  val5      val4val5
5     2  val6  val4val5val6
6     3  val7          val7
7     3  val8      val7val8
8     3  val9  val7val8val9

解释

• 首先通过for _, g in df.groupby(...)[...]迭代groupby元素。我们忽略索引_，因为我们只对值感兴趣。
• 然后迭代range(len(g.index))，即迭代组中的项目数。
• 对前i值应用''.join。我们使用g.iloc[:i+1]来提取组中的前i值。
• 将上述所有内容包装在一个嵌套列表理解中。

Answer 2

使用np.cumsum或pd.Series.cumsum完美地处理数字和字符串：

df['NewCol'] = df.groupby('colA')['colB'].apply(np.cumsum)

或：

df['NewCol'] = df.groupby('colA')['colB'].apply(pd.Series.cumsum)
print (df)
colA  colB        NewCol
0     1  val1          val1
1     1  val2      val1val2
2     1  val3  val1val2val3
3     2  val4          val4
4     2  val5      val4val5
5     2  val6  val4val5val6
6     3  val7          val7
7     3  val8      val7val8
8     3  val9  val7val8val9