python- pandas cumsum用法

Cumsum ：计算轴向元素累加和，返回由中间结果组成的数组

第一部分：求累计次数（转自https://blog.csdn.net/qq_22238533/article/details/72900634）

本文主要是针对 cumsum函数的一些用法。具体应用场景看下面的数据集。

第一列是userID,第二列是安装的时间，第三列是安装的次数。

我们现在想做一件事情。就是统计用户在某一天前累计的安装次数。

譬如，对userID为20的用户，问在16天前，其安装次数为多少？答案应该是4次。用python的实现也很简单。

又譬如，userID为44在19天前安装的次数，那就应该是1+3+1+1=6次。

具体代码：（假设数据集为data)

由于是针对每个userID,所以是需要将userID划分一下（这个方法在组内排序的时候有提到，可以参考前面的文章）。

所以才有下面这一句

groupby(['userID'])

然后，分完组后需要统计的Times，所以就是下面这一句

data['Times'].groupby(['userID'])

最后，我们需要的是累加量，所以，用cumsum()这个函数。

data['sum_Times']=data['Times'].groupby(['userID']).cumsum()

用得到的结果放在一列。

最后得到结果如下：

可以从sum_Times这列看到，每一个值都是相应userID在前一行的累加值。

第二部分：返回由中间结果组成的数组

（转自 https://blog.csdn.net/yuansuo0516/article/details/78331568）

定义一个2*2*3的数组，所以其shape是2，2，3，索引分别0，1，2

shape	索引
2	0
2	1
3	2

import numpy as np
arr  = np.array([[[1,2,3],[8,9,12]],[[1,2,4],[2,4,5]]])
print(arr.cumsum(0))
print(arr.cumsum(1))
print(arr.cumsum(2))

输出结果:
#cumsum(0)
[[[ 1  2  3]  [ 8  9 12]]  [[ 2  4  7]  [10 13 17]]]
#cumsum(1)
[[[ 1  2  3]  [ 9 11 15]]  [[ 1  2  4]  [ 3  6  9]]]
#cumsum(2)
[[[ 1  3  6]  [ 8 17 29]]  [[ 1  3  7]  [ 2  6 11]]]

注释：

arr是一个2*2*3三维矩阵，索引值为0，1，2

cumsum(0)：实现0轴上的累加：以最外面的数组元素为单位，以[[1,2,3],[8,9,12]]为开始实现后面元素的对应累加

cumsum(1)：实现1轴上的累加：以中间数组元素为单位，以[1,2,3]为开始，实现后面元素的对应累加

cumsum(2)：实现2轴上的累加：以最里面的元素为累加单位，即1为开始，实现后面的元素累加

四维数组实现

下面看一个四维数组2*2*2*4，索引值为0，1，2，3

import numpy as np
arr  = np.arange(32).reshape((2,2,2,4))
print(arr)
print(arr.cumsum(0))
print(arr.cumsum(1))
print(arr.cumsum(2))
print(arr.cumsum(3))

arr:  ##  arr是一个2*2*2*4四维矩阵，索引值为0，1，2，3
[[[[ 0  1  2  3]  [ 4  5  6  7]]  [[ 8  9 10 11]  [12 13 14 15]]]  [[[16 17 18 19]  [20 21 22 23]]  [[24 25 26 27]  [28 29 30 31]]]]

cumsum(0)：实现0轴上的累加即：以最外面数组元素为单位即以下两个的对应位置元素相加起来

[[[ 0  1  2  3]  [ 4  5  6  7]]  [[ 8  9 10 11]  [12 13 14 15]]]

[[[16 17 18 19]  [20 21 22 23]]  [[24 25 26 27]  [28 29 30 31]]]]

结果：

[[[[ 0  1  2  3]  [ 4  5  6  7]]  [[ 8  9 10 11]  [12 13 14 15]]]  [[[16 18 20 22]  [24 26 28 30]]  [[32 34 36 38]  [40 42 44 46]]]]

cumsum(1)：实现1轴上的累加即：以次外面元素为单位，累加以下四个

[[ 0  1  2  3]  [ 4  5  6  7]] [[ 8  9 10 11]  [12 13 14 15]]  [[16 17 18 19]  [20 21 22 23]] [[24 25 26 27]  [28 29 30 31]]

累计过程产生的中间结果要记录到数组中，所以，结果：

[[[[ 0  1  2  3]  [ 4  5  6  7]]  [[ 8 10 12 14]            [16 18 20 22]]]  [[[16 17 18 19]  [20 21 22 23]]  [[40 42 44 46]  [48 50 52 54]]]]

cumsum(2)就对应从[ 0 1 2 3]数组元素开始实现累加，然后记录中间结果

cumsum(3)对应的是从最里面最小的数组元素，即从0开始实现累加，记录中间结果

python- pandas cumsum用法相关推荐

python loc iloc,Python pandas loc用法与iloc区别聊聊Python pandas 中loc函数的使用,及跟iloc的区别说明...
想了解聊聊Python pandas 中loc函数的使用,及跟iloc的区别说明的相关内容吗,Rainpages在本文为您仔细讲解Python pandas loc用法与iloc区别的相关知识和一些C ...
python pandas inplace用法
https://blog.csdn.net/songyunli1111/article/details/82937954
Python pandas用法
Python pandas用法无味之味关注 12019.01.10 15:43:25字数 2,877阅读 91,914 介绍在Python中,pandas是基于NumPy数组构建的,使数据预处理. ...
python 数据分析模块_Python数据分析pandas模块用法实例详解
本文实例讲述了Python数据分析pandas模块用法.分享给大家供大家参考,具体如下: pandas pandas10分钟入门,可以查看官网:10 minutes to pandas 也可以查看更复 ...
Python pandas 中loc函数的意思及用法，及跟iloc的区别
Python pandas 中loc函数的意思及用法,及跟iloc的区别 loc和iloc的意思 loc和iloc的区别及用法展示参考文献 loc和iloc的意思首先,loc是location的意 ...
独家 | 浅谈Python/Pandas中管道的用法
作者:Gregor Scheithauer博士翻译:王闯(Chuck)校对:欧阳锦本文约2000字,建议阅读5分钟本文介绍了如何在Python/Pandas中运用管道的概念,以使代码更高效易读. 图 ...
python中ix用法_Python: pandas中ix的详细讲解
Python: pandas中ix的详细讲解发布时间:2018-09-21 15:59, 浏览次数:2372 , 标签: Python pandas ix 在上一篇博客中,我们已经仔细讲解了ilo ...
pandas object转float_数据分析篇 | Pandas基础用法6【完结篇】
这是最后一篇,至此Pandas系列终于连载完了,有需要的也可以看看前面6篇,尽请收藏. 数据分析篇 | Pandas 概览数据分析篇 | Pandas基础用法1数据分析篇 | Pandas基础用法2 ...
csv 20位数据如何打开可以预览完整数字_干货Python Pandas 做数据分析之玩转 Excel 报表分析...
本篇文章选自作者在 GitChat 的分享,若有什么问题,可在公众号回复「小助手」添加小助手微信,邀请你进入技术交流群. 各位朋友大家好,非常荣幸和大家聊一聊用 Python Pandas 处理 Ex ...
pandas 不要编号加一行_文科生带你学Python|Pandas读取数据
16 2020-08 文科生带你学Python|Pandas读取数据距离上一次更新时间有点久,原因么,被大佬的代码打击到了,于是回去自闭充了一波电-- LEARN MORE 图片来自网络,如侵删向 ...

python- pandas cumsum用法

python- pandas cumsum用法相关推荐

最新文章

热门文章