Pandas 基于列 header 的数据框求和行

Question

我有以下数据框，想创建两列，一列显示 MTD 金额，另一列显示基于每个帐户名称的日期参数的累计 YTD。这在 Excel 中使用 =SUMIFS 公式很容易实现，并且想知道 Python 等价物。

+---------------+------------+------------+------------+------------+
| Account Names | 31/01/2022 | 28/02/2022 | 31/03/2022 | 30/04/2022 |
+---------------+------------+------------+------------+------------+
| Cash At Bank  |        100 |        150 |        100 |        150 |
| Debtors       |         50 |         50 |         50 |        100 |
| Inventory     |        250 |        250 |        350 |        100 |
| PAYG Withheld |         50 |         50 |         10 |        150 |
+---------------+------------+------------+------------+------------+

理想情况下，我希望它尽可能高效，即不需要循环。我尝试使用 np.select 来尝试这样做，因为我读过这是最快的方法之一，但没有运气。我收到以下错误：

ValueError: shape mismatch: objects cannot be broadcast to a single shape

EndDate = '31/03/2022'
Budget_Assets["MTD_Amount"] = np.select(condlist=[Budget_Assets.columns == EndDate],choicelist=[Budget_Assets[EndDate]],default=0)

例如，银行现金的 MTD_Amount 列中的值应为 100，YTD_Column 将为 350（从“31/01/2022”到“31”的数字总和/03/2022')

Answer 1

您可以尝试 sum(axis=1) 将日期时间像列一样切片以计算 YTD 并仅使用 loc 得到 MTD

EndDate = '31/03/2022'
date_cols = df.filter(regex='\d{2}/\d{2}/\d{4}')
date_cols.columns = pd.to_datetime(date_cols.columns, dayfirst=True)

df['YTD_Column'] = date_cols.loc[:, :pd.to_datetime(EndDate, dayfirst=True)].sum(axis=1)
df['MTD_Column'] = df[EndDate]

   Account Names  31/01/2022  28/02/2022  31/03/2022  30/04/2022  YTD_Column  MTD_Column
0   Cash At Bank         100         150         100         150         350         100
1        Debtors          50          50          50         100         150          50
2      Inventory         250         250         350         100         850         350
3  PAYG Withheld          50          50          10         150         110          10

Pandas 基于列 header 的数据框求和行

Pandas Dataframe sum row based on column header

python

numpy

pandas