Python Zeilen in Datenrahmen kombinieren und aufsummieren Werte

Question

Ich habe einen Datenrahmen:

Type: Volume: 
Q  10 
Q  20 
T  10 
Q  10 
T  20 
T  20 
Q  10 

und ich möchte Typ T einer Zeile kombinieren und Volumen summieren sich nur dann, wenn zwei (oder mehr) Ts aufeinanderfolgende

dh:

Q 10 
Q 20 
T 10 
Q 10 
T 20+20=40 
Q 10 

ist es eine Möglichkeit, dies zu erreichen? würde DataFrame.groupby arbeiten?

Answer 1

Ich denke, das wird helfen. Dieser Code kann mit einer beliebigen Anzahl aufeinanderfolgender Ts umgehen, und Sie können sogar das zu kombinierende Zeichen ändern. Ich habe Kommentare im Code hinzugefügt, um zu erklären, was es tut.

https://pastebin.com/FakbnaCj

import pandas as pd 

def combine(df): 
    combined = [] # Init empty list 
    length = len(df.iloc[:,0]) # Get the number of rows in DataFrame 
    i = 0 
    while i < length: 
     num_elements = num_elements_equal(df, i, 0, 'T') # Get the number of consecutive 'T's 
     if num_elements <= 1: # If there are 1 or less T's, append only that element to combined, with the same type 
      combined.append([df.iloc[i,0],df.iloc[i,1]]) 
     else: # Otherwise, append the sum of all the elements to combined, with 'T' type 
      combined.append(['T', sum_elements(df, i, i+num_elements, 1)]) 
     i += max(num_elements, 1) # Increment i by the number of elements combined, with a min increment of 1 
    return pd.DataFrame(combined, columns=df.columns) # Return as DataFrame 

def num_elements_equal(df, start, column, value): # Counts the number of consecutive elements 
    i = start 
    num = 0 
    while i < len(df.iloc[:,column]): 
     if df.iloc[i,column] == value: 
      num += 1 
      i += 1 
     else: 
      return num 
    return num 

def sum_elements(df, start, end, column): # Sums the elements from start to end 
    return sum(df.iloc[start:end, column]) 

frame = pd.DataFrame({"Type": ["Q", "Q", "T", "Q", "T", "T", "Q"], 
       "Volume": [10, 20, 10, 10, 20, 20, 10]}) 
print(combine(frame)) 

Answer 2

Wenn Sie nur die Teilsummen benötigen, ist hier ein kleiner Trick zu tun, dass:

import numpy as np 
import pandas as pd 

df = pd.DataFrame({"Type": ["Q", "Q", "T", "Q", "T", "T", "Q"], 
        "Volume": [10, 20, 10, 10, 20, 20, 10]}) 
s = np.diff(np.r_[0, df.Type == "T"]) 
s[s < 0] = 0 
res = df.groupby(("Type", np.cumsum(s) - 1)).sum().loc["T"] 
print(res) 

Ausgang:

Volume 
0  10 
1  40