创建自定义累积总和，计算给定位置列表及其顺序的下游数量

我试图想出一些代码，基本上可以计算其下方位置的累积值。采用累积总和几乎可以完成此任务，但某些位置对相同的下游点有贡献。此外，最上游的点（或起始点）不会有任何贡献值，并且可以在最终的累积 DataFrame 中保留其起始值。

假设每个站点都有以下 DataFrame。

df = pd.DataFrame({
"Site 1": np.random.rand(10),
"Site 2": np.random.rand(10),
"Site 3": np.random.rand(10),
"Site 4": np.random.rand(10),
"Site 5": np.random.rand(10)})

我还有一个数据表，其中包含每个站点及其相应的下游组件。

df_order = pd.DataFrame({
    "Site 1": Site 3,
    "Site 2": Site 3,
    "Site 3": Site 4,
    "Site 4": Site 5,
    "Site 5": None})

我想做以下事情：

1) 对上游值求和以获得相应下游值的累积和。例如，站点 1 和站点 2 对站点 3 的价值有贡献。因此，我想将站点 1、站点 2 和站点 3 加在一起以获得站点 3 的累积值。

2) 现在我在站点 3 上有了该累积值，我想将该累积值保存到站点 3 的“df”中。现在我想将该值传播到站点 4，通过更新 DataFrame 保存它，然后继续到站点 5。

我可以使用 cumsum 来获得每个站点的累积值，如下所示：

df = df.cumsum(axis=1)

但是，这并没有考虑到站点 1 和站点 2 正在为站点 3 做出贡献，而不是彼此之间。

好吧，我可以使用以下方法手动解决这个问题：

df['Site 3'] = df.loc[:,'Site 1':'Site 3'].sum(axis = 1)
df['Site 4'] = df.loc[:,'Site 3':'Site 4'].sum(axis = 1)
df['Site 5'] = df.loc[:,'Site 4':'Site 5'].sum(axis = 1)

但是，我的实际站点列表要广泛得多，并且手动方法不会自动考虑提供的“df_order”。有没有办法以可以自动计算的方式逻辑链接“df_order”DataFrame？我知道如何手动执行此操作，我将如何扩展它以能够处理更大的 DataFrame 和站点顺序？

考虑一个更大的 DataFrame，可能多达 50 个站点，如下所示：

df_order = pd.DataFrame({
    "Site 1": Site 3,
    "Site 2": Site 3,
    "Site 3": Site 4,
    "Site 4": Site 5,
    "Site 5": Site 8,
    "Site 6": Site 8,
    "Site 7": Site 8,
    "Site 8": Site 9,
    "Site 9": None})

您可以使用networkx https://pypi.org/project/networkx/来处理人际关系。首先，将您的订单 DataFrame 设置为：

print(df_order)
   source  target
0  Site 1  Site 3
1  Site 2  Site 3
2  Site 3  Site 4
3  Site 4  Site 5
4  Site 5    None

创建有向图

import networkx as nx
G = nx.from_pandas_edgelist(df_order.dropna(), 
                            source='source', target='target', 
                            create_using=nx.DiGraph)

nx.draw(G, with_labels=True)

通过这个有向图，您想要获得所有predecessors。我们可以递归地做到这一点。 （你的图应该是一个有向图Acyclic图，否则递归会遇到麻烦）

def all_preds(G, target):
    preds=[target]
    for p in list(G.predecessors(target)):
        preds += all_preds(G, p)
    return preds

#Ex.
all_preds(G, 'Site 4')
['Site 4', 'Site 3', 'Site 1', 'Site 2']

现在，我们可以为您的所有独特站点创建循环遍历此函数输出的列的下游总和。

pd.concat([
    df[all_preds(G, target)].sum(1).rename(target)
    for target in df_order['source'].unique()
    ], axis=1)

输出使用np.random.seed(42)

     Site 1    Site 2    Site 3    Site 4    Site 5
0  0.374540  0.020584  1.006978  1.614522  1.736561
1  0.950714  0.969910  2.060118  2.230642  2.725819
2  0.731994  0.832443  1.856581  1.921633  1.956021
3  0.598658  0.212339  1.177359  2.126245  3.035565
4  0.156019  0.181825  0.793914  1.759546  2.018326
5  0.155995  0.183405  1.124575  1.932972  2.595495
6  0.058084  0.304242  0.562000  0.866613  1.178324
7  0.866176  0.524756  1.905167  2.002839  2.522907
8  0.601115  0.431945  1.625475  2.309708  2.856418
9  0.708073  0.291229  1.045752  1.485905  1.670759