1

necesito ir acumulando las cifras por año de mi dataframe, de tal forma que cuando se cambie de año no me acumule lo del año anterior.

El dataframe del que parto contiene cifras por trimestre y necesito ir acumulando de la siguiente forma: para el año 1 Trim1, Trim1+Trim2, Trim1+Trim2+Trim3, Trim1+Trim2+Trim3+Trim4 y lo mismo para los sucesivos años.

El dataframe inicial se llama 'pyg_agregada'y contiene los siguientes datos:

Concepto                        ED. Cuenta de resultados. Residentes en España                                                    
2010-03-31                                         19311033.0                       
2010-06-30                                         19215002.0                       
2010-09-30                                         19027297.0                       
2010-12-31                                         19537833.0                       
2011-03-31                                         19766815.0                       
2011-06-30                                         20816617.0                       
2011-09-30                                         21464932.0                       
2011-12-31                                         21914540.0                       

Escribo el siguiente código para ir acumulando las cifras:

pyg_acumulada = pyg_agregada.cumsum(axis = 0)

Obteniendo el siguiente resultado:

Concepto                             ED. Cuenta de resultados. Residentes en España                                               
2010-03-31                                         19311033.0                       
2010-06-30                                         38526035.0                       
2010-09-30                                         57553332.0                       
2010-12-31                                         77091165.0                       
2011-03-31                                         **96857980.0**                       
2011-06-30                                        117674597.0                       
2011-09-30                                        139139529.0                       
2011-12-31                                        161054069.0

El problema que no consigo resolver es cómo hacer para que cuando se cambia de año no se acumulen las cifras anteriores y solo se acumule trimestre a trimestre para cada año. Es decir, necesitaría obtener el siguiente resultado:

Concepto                             ED. Cuenta de resultados. Residentes en España                                               
2010-03-31                                         19311033.0                       
2010-06-30                                         38526035.0                       
2010-09-30                                         57553332.0                       
2010-12-31                                         77091165.0                       
2011-03-31                                         **19766815.0**                       
2011-06-30                                         40583432.0                       
2011-09-30                                         62048364.0                       
2011-12-31                                         83962904.0                       

Como se ve, cuando cambia de 2010 a 2011 quiero conseguir que no se acumule y se conserve la cifra inicial a partir de la cual empezar a acumular de nuevo en el siguiente trimestre.

No consigo obtener un código que me hago esto, ¿podríais ayudarme? Gracias

2 respuestas 2

1

Buen día,

Puedes hacerlo utilizando pandas.DataFrame.groupby agrupando por año (Para eso Concepto debe ser de tipo datetime) y luego utilizando pandas.core.groupby.DataFrameGroupBy.cumsum para sumar el acumulado

Utilizando los datos de tu pregunta (Cree un dataframe en el archivo "sample2.csv"):


    Concepto    ED. Cuenta de resultados. Residentes en España
0   2010-03-31  19311033.0
1   2010-06-30  19215002.0
2   2010-09-30  19027297.0
3   2010-12-31  19537833.0
4   2011-03-31  19766815.0
5   2011-06-30  20816617.0
6   2011-09-30  21464932.0
7   2011-12-31  21914540.0

Ejemplo completo:

import pandas as pd

df = pd.read_csv('sample2.csv')
df['Concepto'] = pd.to_datetime(df['Concepto'])
df['Acumulado'] = df.groupby([df['Concepto'].dt.year])['ED. Cuenta de resultados. Residentes en España'].cumsum()

Al imprimir df obtenemos:

    Concepto    ED. Cuenta de resultados. Residentes en España  Acumulado
0   2010-03-31  19311033.0                                      19311033.0
1   2010-06-30  19215002.0                                      38526035.0
2   2010-09-30  19027297.0                                      57553332.0
3   2010-12-31  19537833.0                                      77091165.0
4   2011-03-31  19766815.0                                      19766815.0
5   2011-06-30  20816617.0                                      40583432.0
6   2011-09-30  21464932.0                                      62048364.0
7   2011-12-31  21914540.0                                      83962904.0
18
  • hola @HeytalePazguato, también he intentado ejecutar tú código de la siguiente forma: pyg_agregada['Concepto'] = pd.to_datetime(pyg_agregada['Concepto']) pyg_agregada['Acumulado'] = df.groupby([pyg_agregada['Concepto'].dt.year])['ED. Cuenta de resultados. Residentes en España'].cumsum() pero me da el siguiente error: 'Column not found: ED. Cuenta de resultados. Residentes en España'
    – Bea
    Commented el 9 jun. 2022 a las 13:54
  • ¿La columna con los valores numéricos como se llama? Yo puse ese nombre porque viene de tus datos, pero si se llama diferente debes reemplazar el texto Commented el 9 jun. 2022 a las 13:58
  • Se llama así...
    – Bea
    Commented el 9 jun. 2022 a las 13:59
  • ¿Posiblemente tiene espacios extra al inicio o al final? En los datos de tu pregunta veo que tiene muchos espacios en blanco al final, en el archivo de prueba los eliminé Commented el 9 jun. 2022 a las 14:00
  • he probado también de la siguiente forma y me da el mismo error pyg_agregada['Concepto'] = pd.to_datetime(pyg_agregada['Concepto']) pyg_agregada['Acumulado'] = df.groupby([pyg_agregada['Concepto'].dt.year])[pyg_agregada.columns[1]].cumsum() print(pyg_agregada)
    – Bea
    Commented el 9 jun. 2022 a las 14:02
0

Para lograrlo, puedes usar el método groupby, que te permite agrupar los datos. Esto devuelve un objeto especial que representa un DataFrame agrupado.
Dicho objeto tiene el método apply. La función auxiliar que recibe dicho método debe recibir un argumento que será cada grupo en forma de DataFrame. Luego se encargará de concatenar todo lo devuelto por la función auxiliar.

El plan sería agrupar al dataframe por año y a cada grupo modificarle la columna numero para que sea una suma acumulativa. Luego devolver el grupo modificado, para que Pandas pueda concatenar todos los DataFrames.

Código
import pandas as pd
from datetime import datetime

records = [(fecha, index) for index, fecha in enumerate((datetime(2019, 3, 6),
                                                         datetime(2019, 6, 6),
                                                         datetime(2019, 9, 6),
                                                         datetime(2020, 4, 6),
                                                         datetime(2021, 3, 6),
                                                         datetime(2021, 6, 6)), start=1)]


def auxfunc(group):
    group.numero = group.numero.cumsum()
    return group

df = pd.DataFrame(records, columns=["concepto", "numero"])

nuevo_df = df.groupby(df.concepto.dt.year).apply(auxfunc)

print(df)
print()
print(nuevo_df)
Produce
    concepto  numero
0 2019-03-06       1
1 2019-06-06       2
2 2019-09-06       3
3 2020-04-06       4
4 2021-03-06       5
5 2021-06-06       6

    concepto  numero
0 2019-03-06       1
1 2019-06-06       3
2 2019-09-06       6
3 2020-04-06       4
4 2021-03-06       5
5 2021-06-06      11

Nota: Para que esto funcione correctamente, la columna concepto debe ser un objeto fecha. Si no lo es, te recomiendo convertirlo a fecha previamente.

6
  • Si la respuesta de HeytalePazguato no te funciona tampoco, podrías aclararnos a ambos cual es el nuevo error por favor?
    – Dante S.
    Commented el 9 jun. 2022 a las 13:21
  • Seguramente utilizaste el código directamente sin modificarlo, Dante utilizó una columna numero que deberías reemplazar en tu código por la columna que tienen tus datos, es decir "ED. Cuenta de resultados. Residentes en España" Commented el 9 jun. 2022 a las 13:22
  • Gracias por tu respuesta @Dante S. pero algo sigo haciendo mal porque no me funciona. Antes de ejecutar el código que me has facilitado, compruebo el tipo de dato de la columna "Concepto" de la siguiente forma: pyg_agregada.dtypes y el resultado me dice lo siguiente: "Concepto datetime64[ns]". Luego escribo tú código, pero me da el siguiente error: "Can only use .dt accessor with datetimelike values". ¿Por qué me da este error si la columna "Concepto" es del tipo datetime64[ns]?
    – Bea
    Commented el 9 jun. 2022 a las 13:27
  • Quizá se deba a que precisamente ese tipo de dato no es compatible con dt. Pero es una suposición, supongo que @HeytalePazguato (que sabe más que yo) sabe la causa.
    – Dante S.
    Commented el 9 jun. 2022 a las 13:30
  • Jaja, noo, apenas estoy aprendiendo pandas. Según lo que encontré en una búsqueda rápida eso se debe a que al convertir la fecha en tipo datetime puede haber alguna fila que no se convierta correctamente. Intenta convertir con pd.to_datetime(df['concepto'], errors='coerce'). Podría ser que una fila esté un poco diferente en "Concepto" Commented el 9 jun. 2022 a las 13:37

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.