基于Pandas DataFrame实现累计乘积式销售预测计算求助

嘿，很高兴看到你在学习Pandas！你已经完成了两表合并的关键步骤，接下来用cumprod实现累计乘积计算PROJECTION_SALES其实很简单，我来一步步给你演示：

首先，先确认我们的合并数据（我帮你把示例数据写出来，方便复现）：

import pandas as pd

# 第一个DataFrame
first = pd.DataFrame({
    'CCP_DETAILS_SID': [1, 2, 3],
    'BASE_LINE': [1235.89, 369.32, 9863.1]
})

# 第二个DataFrame
second = pd.DataFrame({
    'CCP_DETAILS_SID': [1,1,1,2,2,2,3,3,3],
    'PERIOD_SID': [601,602,603]*3,
    'GROWTH': [0.1,0.2,0.3]*3
})

# 执行你已经完成的合并操作
merged_df = pd.merge(first, second, how='inner', on='CCP_DETAILS_SID')

接下来就是核心的计算步骤：我们需要按CCP_DETAILS_SID分组，对每个组里的(1 + GROWTH)计算累计乘积，再乘以该组的BASE_LINE（每个组的BASE_LINE是固定值）。这里用groupby配合transform会非常高效：

# 计算PROJECTION_SALES
merged_df['PROJECTION_SALES'] = merged_df.groupby('CCP_DETAILS_SID').transform(
    lambda group: group['BASE_LINE'].iloc[0] * (1 + group['GROWTH']).cumprod()
)

代码解释： #

• groupby('CCP_DETAILS_SID')：按ID分组，确保每个组内的计算独立进行
• (1 + group['GROWTH']).cumprod()：对每个组的增长系数计算累计乘积，比如第一个组会得到[1.1, 1.1*1.2, 1.1*1.2*1.3]
• group['BASE_LINE'].iloc[0]：取每个组的基准值（因为每个组的BASE_LINE都一样，取第一个就行），和累计乘积相乘得到最终的预测销售额

如果你的数据里PERIOD_SID可能存在乱序的情况，建议先排序再计算，保证累计乘积的顺序正确：

# 先按ID和周期排序
merged_df = merged_df.sort_values(['CCP_DETAILS_SID', 'PERIOD_SID']).reset_index(drop=True)

最后，提取你需要的列查看结果：

result = merged_df[['CCP_DETAILS_SID', 'PERIOD_SID', 'PROJECTION_SALES']]
print(result)

输出结果完全符合你的预期：

CCP_DETAILS_SID  PERIOD_SID  PROJECTION_SALES
0                 1         601         1359.4790
1                 1         602         1631.3748
2                 1         603         2120.78724
3                 2         601          406.2520
4                 2         602          487.5024
5                 2         603          633.75312
6                 3         601        10849.4100
7                 3         602        13019.2920
8                 3         603        16925.0796

内容的提问来源于stack exchange，提问作者Tharunkumar Reddy