分组，分类，pandas累计总和

我正在从excel Countifs / Sum转换到Pandas。 在Pandas中，我希望对某些input数据进行分组，累积和，然后将其作为输出表写入csv。

我的input表是每个项目发生时间标记的项目列表，如：

import pandas as pd df_in = pd.DataFrame({ 'Date' :[pd.Timestamp('20130101'),pd.Timestamp('20140101'),pd.Timestamp('20150101'),pd.Timestamp('20160101'),pd.Timestamp('20160101'),pd.Timestamp('20160101')], 'Type' : ['item1','item2','item2','item1','item1','item1'], 'Proj' : ['PJ1','PJ1','PJ1','PJ1','PJ2','PJ2']}) #giving Proj Date Type PJ1 2013-01-01 item1 PJ1 2014-01-01 item2 PJ1 2015-01-01 item2 PJ1 2016-01-01 item1 PJ2 2016-01-01 item1 PJ2 2016-01-01 item1 

我想在一系列用户定义的时间窗口中对每个项目的每个项目types进行累计总和（最后，我希望每个项目在一个时间段（月，季度，年度等）实现的累计项目数量。 我的输出（binned到结束date）应该看起来像

 Proj Date_ item1 item2 PJ1 2014-01-01 1.0 1.0 PJ1 2016-01-01 2.0 2.0 PJ2 2014-01-01 0.0 0.0 PJ2 2016-01-01 2.0 0.0 

此代码工作，但似乎笨拙，需要循环。 有没有更好的方法来实现输出？ 也许vector化的东西？ 此外，即使数据中有空数据，我也总是希望保留输出区域 – 稍后需要它们进行一致的绘图。

 #prepare output table df_out = pd.DataFrame({ 'Date_' : [], 'Proj' : [], 'item1' : [], 'item2' : []}) #my time bins bins = [pd.Timestamp('20121229'),pd.Timestamp('20140101'),pd.Timestamp('20160101')] #group and bin data in a dataframe groups = df_in.groupby(['Proj',pd.cut(df_in.Date, bins),'Type']) allData = groups.count().unstack() #list of projects in data proj_list = list(set(df_in['Proj'])) #build output table by looping per project for p in proj_list: #cumulative sum of items achieved per project per bin ProjData = allData.loc[p].fillna(0).cumsum() #output should appear binned to the end date ProjData=ProjData['Date'][:] ProjData['Date_']=pd.IntervalIndex(ProjData.index.get_level_values('Date')).right #include row wise project reference ProjData['Proj']=p #collapse the multi-dimensional dataframe for outputting ProjData.reset_index(level=0, inplace=True) ProjData.reset_index(level=0, inplace=True) #build output table for export df_out = df_out.append(ProjData[['Date_','Proj','item1','item2']])