データフレーム内の数値を、if文で複数分岐してセルの合計値を出したい

Question

実現したいこと

データフレーム内の条件で指定した２つのセルの合計値を出す、又は対象のセルに値がある場合はその値をセルに代入する
ということを実現したいです。

具体的には、以下表を参照してください。
表①から表②のように、「計算結果」を、データフレーム内で計算をしたいです。

【表①】

A	B	C
9/1	0	11
9/2	0	0
9/3	0	0
9/4	10	0
9/5	0	0
9/6	1	0
9/7	1	25

⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓

【表②】

A	B	C	計算結果
9/1	0	11	11
9/2	0	0	11
9/3	0	0	11
9/4	10	0	21
9/5	0	0	21
9/6	1	0	22
9/7	1	25	25

エクセルの計算式で書くとすると、
「=if(C3<>0,C3,計算結果2+B3)」
という感じになると思います。

なぜこれを実現しないといけないのか

現在売上高を集計し、Matplotlibで描画をすることを想定した、
以下の条件のあるデータフレームを作成しているためです。

date	当日分売上	仮売上高合計	確定売上高合計	暫定売上高合計(集計部分)
2022/7/1	0	0	100	100
2022/7/2	100	200	0	300
2022/7/3	200	300	600	600
2022/7/4	200	500	0	800
2022/7/5	0	500	0	800
2022/7/6	400	900	0	1200
2022/7/7	100	1000	1000	1000

列「当日分売上」というのは、各担当から申告があった数値を毎日反映し、
列「仮売上高合計」はその当日売上をcumsumで集計しています。
確定売上高合計は、ランダムな日にちで、確定した売上高合計の情報が入手でき、
それまでの集計を無視して、「確定売上高合計」と「暫定売上高合計(集計部分)」に正しい数値が入ります。

試したこと

確定売上高合計の１行目にデータがある場合、
且つ以下のサンプルデータのC列に０以外の数字が２つ以上ない場合、
エラーが発生します。

import pandas as pd
import io

csv_data = '''
A,B,C
9/1,	0,	11,11
9/2,	0,	0,11
9/3	,0	,0,11
9/4,	10,	0,21
9/5,	0,	0,21
9/6,	1,	0,22
'''
df = pd.read_csv(io.StringIO(csv_data))
print(df['C'].ne(0).cumsum())
df['計算結果'] = df.groupby(df['C'].ne(0).cumsum(), group_keys=False)\
                  .apply(lambda x: x['B'] +
                            (x.iloc[0]['C']-x.iloc[0]['B']*(x.iloc[0]['C']>0)))

print(df)

以下エラー内容

ValueError: Expected a 1D array, got an array with shape (6, 6)

エラーは、サンプルデータの一番下に9/7,1,25を追加すると改善されます。

どなたかご知見があれば教えていただきたく投稿しました。
お忙しいところ恐れ入りますが、ご知見のある方、ご協力いただければ幸いです。

以上、よろしくお願いします。

Answer 1

グループがひとつしかないときのGroupby.apply()の挙動についての質問は、stackoverflowでも見つかります。
https://stackoverflow.com/questions/62102565/
https://stackoverflow.com/questions/66837704/

対策としてはgroupbyにsqueeze=Trueを追加するとありますが、現在このオプションはdeprecatedになっているので、applyの結果をsqueezeするのが最新の対処のようです。
(https://github.com/pandas-dev/pandas/issues/32380)

df['計算結果'] = (df.groupby(...)
                  .apply(lambda x: ...)
                  .squeeze())

もしくは、applyを使わなければよいので、applyのlambdaの中でやっている処理を外に出してしまって、groupbyのあとはcumsumだけするようにすれば、シンプルに書くことができます。

grp = df['C'].ne(0).cumsum()
df['計算結果'] = df['C'].where(df['C'] != 0, df['B']).groupby(grp).cumsum()

Comments

[karakarakarappo]

bsdfanさん

コメントいただきありがとうございます。

グループが１つだけしかない場合のエラーへの対処方法がよく分かりました。
後ほど自分で見返してわかりやすいように、applyのlambdaの中でやっている処理を外に出して対処することにしました。

ご協力いただきありがとうございました！

Answer 2

import pandas as pd
import io

csv_data = '''
A,B,C
9/1,0,11
9/2,0,0
9/3,0,0
9/4,10,0
9/5,0,0
9/6,1,0
9/7,1,25
'''
df = pd.read_csv(io.StringIO(csv_data))

#
df['計算結果'] = df.groupby(df['C'].ne(0).cumsum(), group_keys=False)\
                   .apply(lambda x: x['B'].mask(x['C'] != 0, x['C']).cumsum())
                        
print(df)

A	B	C	計算結果
9/1	0	11	11
9/2	0	0	11
9/3	0	0	11
9/4	10	0	21
9/5	0	0	21
9/6	1	0	22
9/7	1	25	25

Comments

[karakarakarappo]

コメントありがとうございます。
.maskでも対応できそうでした、違うパターンでエラーが発生した場合はこちらも試してみようと思います。

ご協力ありがとうございました！