Python Pandas遍历列计算分组累计求和报错求助

原始数据 #

a,b,c,d
x,3,4,8
x,4,4,7
x,8,8,8
y,6,6,2
y,5,1,3
y,6,2,1
y,6,8,6
z,4,6,3
z,2,8,6
z,9,9,3
z,2,8,6
z,9,9,3

需求说明 #

• 循环筛选列a中的每个唯一值（x、y、z）
• 对筛选后的数据，分别计算列b、c、d的累计求和，例如x对应的b列累计结果为3、7、15
• 将每个分组的累计求和结果存入新DataFrame用于后续计算

报错代码及问题 #

错误代码 #

Input["WinStartTime"].unique()  
Starts = Input["WinStartTime"].unique().tolist() 
Cols = [b, b]  # 此处应为列名字符串列表，原代码存在错误

for I in Starts:
    InputLVPosU10 = (Input['WinStartTime'] == I) 

    for J in Cols:
        Input["Tot"] = Input[InputLVPosU10].J.cumsum()  # 报错核心位置
        
        CS = pd.DataFrame(Input[InputLVPosU10].Tot) 
        print (CS)
        CS = CS.reset_index(drop=True)

报错信息 #

AttributeError                            Traceback (most recent call last)
 in 
10 #         print(Input[InputLVPosU10].FinalinTicks.cumsum())
11
---> 12         Input["Tot"] = Input[InputLVPosU10].J.cumsum()  #Inject Tot column w running total of FinalinTicks-Filtered and then totaled...
13
14         CS = pd.DataFrame(Input[InputLVPosU10].Tot) #CS,New dataframe - Running total of everything in 'InputLVPosU10' Based on the Time

~\AppData\Local\Continuum\anaconda3\lib\site-packages\pandas\core\generic.py in __getattr__(self, name)
5065             if self._info_axis._can_hold_identifiers_and_holds_name(name):
5066                 return self[name]
-> 5067             return object.__getattribute__(self, name)
5068
5069     def __setattr__(self, name, value):

AttributeError: 'DataFrame' object has no attribute 'J'

问题原因及解决方法 #

问题原因 #

1. 使用.调用列时，Python会将J识别为DataFrame的固定属性名，而非变量对应的列名，因此报错找不到J属性。
2. 代码中Cols = [b, b]错误，未使用字符串形式的列名，会导致变量未定义的额外报错。

修正后的代码 #

改用方括号索引实现变量调用列，同时修正列名列表：

import pandas as pd

# 构造示例数据（如果已有Input可跳过此部分）
data = """a,b,c,d
x,3,4,8
x,4,4,7
x,8,8,8
y,6,6,2
y,5,1,3
y,6,2,1
y,6,8,6
z,4,6,3
z,2,8,6
z,9,9,3
z,2,8,6
z,9,9,3"""
Input = pd.read_csv(pd.io.common.StringIO(data))

# 替换为实际分组列名（原代码WinStartTime对应示例中的a列）
Starts = Input["a"].unique().tolist() 
Cols = ['b', 'c', 'd']  # 修正为字符串形式的目标列列表

# 初始化存储结果的DataFrame
result_df = pd.DataFrame()

for I in Starts:
    # 筛选当前分组数据并复制，避免修改原数据
    group_data = Input[Input['a'] == I].copy()
    for J in Cols:
        # 用方括号索引实现变量调用列，计算累计求和
        group_data[f'cum_{J}'] = group_data[J].cumsum()
    # 将当前分组结果合并到总数据
    result_df = pd.concat([result_df, group_data], ignore_index=True)

print(result_df)

代码说明 #

• 用group_data[J]替代group_data.J，实现通过变量动态调用列名
• 新增cum_{J}命名的累计列，避免覆盖原数据，同时区分不同列的累计结果
• 使用pd.concat合并所有分组结果，便于后续处理

简化实现（推荐） #

利用pandas内置分组功能，无需手动循环，效率更高：

import pandas as pd

data = """a,b,c,d
x,3,4,8
x,4,4,7
x,8,8,8
y,6,6,2
y,5,1,3
y,6,2,1
y,6,8,6
z,4,6,3
z,2,8,6
z,9,9,3
z,2,8,6
z,9,9,3"""
df = pd.read_csv(pd.io.common.StringIO(data))

# 按列a分组，对b、c、d列分别计算累计求和
df[['cum_b', 'cum_c', 'cum_d']] = df.groupby('a')[['b', 'c', 'd']].cumsum()

print(df)

内容的提问来源于stack exchange，提问作者Michael Reilley