這篇文章主要介紹了Python如何給某個字段切片并實現(xiàn)累計求和的相關(guān)知識，內(nèi)容詳細(xì)易懂，操作簡單快捷，具有一定借鑒價值，相信大家閱讀完這篇Python如何給某個字段切片并實現(xiàn)累計求和文章都會有所收獲，下面我們一起來看看吧。

成都創(chuàng)新互聯(lián)客戶idc服務(wù)中心，提供服務(wù)器托管雅安、成都服務(wù)器、成都主機(jī)托管、成都雙線服務(wù)器等業(yè)務(wù)的一站式服務(wù)。通過各地的服務(wù)中心，我們向成都用戶提供優(yōu)質(zhì)廉價的產(chǎn)品以及開放、透明、穩(wěn)定、高性價比的服務(wù)，資深網(wǎng)絡(luò)工程師在機(jī)房提供7*24小時標(biāo)準(zhǔn)級技術(shù)保障。

問題：按第一列分組，分別把上面的累計加到下面的分組上，怎么實現(xiàn)？

思路：
1.先pivot透視，scale擴(kuò)展到多列
2.cumsum()累加
3.melt逆透視，還原原本形狀

加載數(shù)據(jù)源：

import pandas as pd
df = pd.read_table(r"D:\Jupyter\data\df_test.txt")
df

數(shù)據(jù)清洗過程：

years = ['1980以前', '1980-1989年',  '1990-1999年', '2000-2009年', '2010-2020年']
result = (
    df.pivot(index="period", columns="scale", values="count")
    .loc[years]
    .cumsum()
    .reset_index()
    .melt(id_vars='period', value_name='count')
)
result.dropna(inplace=True)
result["count"] = result["count"].astype("int16")
result.period = result.period.astype("category")
result.period = result.period.cat.reorder_categories(years)
result.sort_values(by=["period", "scale"], inplace=True)
result

關(guān)于“Python如何給某個字段切片并實現(xiàn)累計求和”這篇文章的內(nèi)容就介紹到這里，感謝各位的閱讀！相信大家對“Python如何給某個字段切片并實現(xiàn)累計求和”知識都有一定的了解，大家如果還想學(xué)習(xí)更多知識，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。