pandas的排序、分组groupby及cumsum累计求和

一、生成一列sum_age 对age 进行累加

df['sum_age'] = df['age'].cumsum()
print(df)

二、生成一列sum_age_new 按照 gender和is_good 对age进行累加

df['sum_age_new'] = df.groupby(['gender','is_good'])['age'].cumsum()
print(df)

 

三、根据不同的性别对年龄进行 等级 排序

df['rank_g'] = df.groupby(['gender'])['age'].rank()
print(df)

这里的 rank( ) 即 'rank_g' ，并不是按照1、2、3、4、、依次排

按照官方文档的意思，该函数是沿着某个轴来计算数值数据等级(1到n)。默认情况下，为相等的值分配同一个等级，该等级是这些值的等级的平均值。

例子：

import pandas as pd
obj = pd.Series([7,-5,7,4,2,0,4])
print(obj.rank())

代码对 [7, -5, 7, 4, 2, 0, 4] 进行从小到大地排序，很明显地，可以排成 [-5, 0, 2 ,4, 4, 7, 7]，数值7有第6和第7两个位置，那应该排序应该排到第几级？根据官方文档，取平均值，(6+7)/2=6.5，所以两个7的等级都为6.5，同理可得两个4的等级都为(4+5)/2=4.5。

输出:

0    6.5
1    1.0
2    6.5
3    4.5
4    3.0
5    2.0
6    4.5
dtype: float64

四、对数据排序之后，分组，并累计求和

# 对Start Time进行排序，Connection Type分组，temp进行累计求和cumsum
wsw_1 = wsw.sort_values(['Start Time'])
wsw_1.loc[:, 'Connection Number'] = wsw_1.groupby(['Connection Type'])['temp'].cumsum()

这里如果不对start time排序，Connection Number不会按时间顺序，统计drilling、tripping 的number数

参考：

python中分组排序--groupby(),rank()_baidu_38409988的博客-优快云博客

https://www.zhihu.com/question/66136235/answer/1172712720