根据其他列上的条件，在python中创建dataframe列

Question

我有以下数据帧（实际上，我使用的数据帧大约为2000万行）：

shop month day sale
1      7     1   10
1      6     1   8
1      5     1   9
2      7     1   10
2      6     1   8
2      5     1   9

我想要另一列：“上一个月的销售额”，其中销售额等于“上个月同一天的销售额，例如

^{pr2}$

Answer 1

一种使用.concat()、set_index()和.loc[]的解决方案：

# Get index of (shop, previous month, day).
# This will serve as a unique index to look up prev. month sale.
prev = pd.concat((df.shop, df.month - 1, df.day), axis=1)
# Unfortunately need to convert to list of tuples for MultiIndexing
prev = pd.MultiIndex.from_arrays(prev.values.T)
# old: [tuple(i) for i in prev.values]

# Now call .loc on df to look up each prev. month sale.
sale_prev_month = df.set_index(['shop', 'month', 'day']).loc[prev]

# And finally just concat rather than merge/join operation
#     because we want to ignore index & mimic a left join.
df = pd.concat((df, sale_prev_month.reset_index(drop=True)), axis=1)

   shop  month  day  sale  sale
0     1      7    1    10   8.0
1     1      6    1     8   9.0
2     1      5    1     9   NaN
3     2      7    1    10   8.0
4     2      6    1     8   9.0
5     2      5    1     9   NaN

您的新列将是float，而不是int，because表示NaNs的存在。在

更新-尝试使用dask

我不使用达斯克每天，所以这可能是可悲的低于标准。试图解决dask没有实现熊猫的多重索引这一事实。因此，您可以将现有的三个索引连接到一个字符串列中，并对其进行查找。在

^{pr2}$