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-CSDN博客
https://www.zhihu.com/question/66136235/answer/1172712720