Как рассчитать обратную кумулятивную сумму в Pandas

Редакция Кодкампа -

Функцию cumsum() можно использовать для вычисления совокупной суммы значений в столбце кадра данных pandas.

Вы можете использовать следующий синтаксис для вычисления обратной кумулятивной суммы значений в столбце:

df['cumsum_reverse'] = df.loc[:: -1 , 'my_column']. cumsum ()[:: -1 ]

Этот конкретный синтаксис добавляет новый столбец с именем cumsum_reverse в кадр данных pandas, который показывает обратную кумулятивную сумму значений в столбце с названием my_column .

В следующем примере показано, как использовать этот синтаксис на практике.

Пример: вычисление обратной кумулятивной суммы в Pandas

Предположим, у нас есть следующий кадр данных pandas, который показывает общий объем продаж, совершенных каким-либо магазином в течение 10 дней подряд:

import pandas as pd

#create DataFrame
df = pd.DataFrame({'day': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
 'sales': [3, 6, 0, 2, 4, 1, 0, 1, 4, 7]})

#view DataFrame
df

 day sales
0 1 3
1 2 6
2 3 0
3 4 2
4 5 4
5 6 1
6 7 0
7 8 1
8 9 4
9 10 7

Мы можем использовать следующий синтаксис для вычисления обратной кумулятивной суммы столбца продаж:

#add new column that shows reverse cumulative sum of sales
df['cumsum_reverse_sales'] = df.loc[:: -1 , 'sales']. cumsum ()[:: -1 ]

#view updated DataFrame
df

 day sales cumsum_reverse_sales
0 1 3 28
1 2 6 25
2 3 0 19
3 4 2 19
4 5 4 17
5 6 1 13
6 7 0 12
7 8 1 12
8 9 4 11
9 10 7 7

Новый столбец cumsum_reverse_sales показывает совокупный объем продаж , начиная с последней строки .

Вот как мы будем интерпретировать значения в столбце cumsum_reverse_sales :

  • Совокупная сумма продаж за 10-й день равна 7 .
  • Совокупная сумма продаж за 10-й и 9-й дни равна 11 .
  • Совокупная сумма продаж за 10-й, 9-й и 8-й дни равна 12 .
  • Совокупная сумма продаж за 10-й, 9-й, 8-й и 7-й дни равна 12 .

И так далее.

Дополнительные ресурсы

В следующих руководствах объясняется, как выполнять другие распространенные задачи в pandas:

Как суммировать определенные столбцы в Pandas
Как выполнить GroupBy Sum в Pandas
Как суммировать столбцы на основе условия в Pandas