在 df 数据框中，你需要添加一个列，其中包含另一列数据的累积，我现在手动添加，这是数量_sum。它从数量中累积数量如何快速正确地做到这一点？在 Python 中））？
date quantity quantity_sum
0 2021-12-30 2 2
1 2021-12-31 1 3
2 2022-01-01 1 4
3 2022-01-02 3 7
4 2022-01-03 1 8
5 2022-01-04 1 9
6 2022-01-05 1 10
7 2022-01-06 1 11
8 2022-01-07 1 12
9 2022-01-08 1 13
10 2022-01-09 1 14
11 2022-01-10 1 15
12 2022-01-11 1 16
13 2022-01-12 1 17
有一个包含每日 df 数据的数据框：
date quantity sum
0 2021-12-30 2 10
1 2021-12-31 1 10
2 2022-01-01 1 11
3 2022-01-02 3 20
4 2022-01-03 1 12
5 2022-01-04 1 12
6 2022-01-05 1 12
7 2022-01-06 1 10
8 2022-01-07 1 10
9 2022-01-08 1 10
10 2022-01-09 1 10
11 2022-01-10 1 10
12 2022-01-11 1 10
13 2022-01-12 1 10
你需要在此基础上得到一个新的数据框df1，但是每周一次。即把除日期以外的所有列的所有数据加起来，把最后一行的数据写入日期。结果应该是这样的
date quantity sum
0 2022-01-05 10 87
1 2022-01-12 7 70
我不明白我该怎么做？没有数据透视表，没有聚合，没有过滤让我思考
有一个文件包含类似“%Y-%m-%d”的数据
datetime_click
2017-03-01
2017-03-02
2017-03-03
2017-03-04
2017-03-05
将列加载到数据框中时是否可以立即指定列的数据时间格式？或者换句话说，这里用什么代替？
df = pd.read_csv('result.csv', dtype={'datetime_click':'????????????'})
或者每次如果我想按时间过滤数据，我需要这样转换数据列
def convert_to_datetime(row):
prom_data = datetime.strptime(row['datetime_click'], '%Y-%m-%d')
return prom_data
df['datetime_click'] = df.apply(convert_to_datetime, axis=1)
然后才使用以下算法进行过滤
startDate = '2017-03-03'
endDate = '2017-03-04'
startDate_datetime = datetime.strptime( startDate, '%Y-%m-%d' )
endDate_datetime = datetime.strptime( endDate, '%Y-%m-%d' )
df = df[(df['datetime_click'] >= startDate_datetime) &
(df['datetime_click'] <= endDate_datetime)]
是否可以立即以某种方式使用此算法？
import pandas as pd
data = {'kol_click':[1, 8, 4, 2, 1, '', 18, '', 3, 10]}
df1 = pd.DataFrame(data)
df1['kol_click_1'] = df1['kol_click'].str.replace('', '0')
print(df1.head(10))
kol_click kol_click_1
0 1 NaN
1 8 NaN
2 4 NaN
3 2 NaN
4 1 NaN
5 0
6 18 NaN
7 0
8 3 NaN
9 10 NaN
为什么数字变为 NaN ？如何用空值替换空字符串？