pandas中某列为0时如何重置每组累计和

Question

我有以下数据框，我想在其中对特定列 (Value) 以及字段 Group 上的分组进行累加和，但将该累加和重置为 0当另一列 (Quantity) 中的值为 0 时。

Group	Quantity	Value	Cumulative_sum
A	10	200	200
B	5	300	300
A	1	50	250
A	0	100	0
C	5	400	400
A	10	300	300
B	10	200	500
A	15	350	650

我试过像下面的代码一样使用块，但问题是它没有正确计算累计和：

blocks = df['Quantity'].eq(0)[::-1].cumsum()[::-1]

df['temp_field'] = (df.groupby(['Group', blocks])
   ['Value'].cumsum()
   .where(df['Quantity']!=0,df['Value'])
)

df['Cumulative_sum'] = np.where(df['Quantity'] == 0, 0, df['temp_field'])

有人可以帮忙吗？

Answer 1

1. 对于给定的重置 condition，使用 groupby.cumsum 创建一个 Reset 石斑鱼，告诉我们何时 Quantity 在每个 Group:

   condition = df.Quantity.eq(0)
   df['Reset'] = condition.groupby(df.Group).cumsum()
   
   #   Group  Quantity  Value  Cumulative_sum  Reset
   # 0     A        10    200             200      0
   # 1     B         5    300             300      0
   # 2     A         1     50             250      0
   # 3     A         0    100               0      1
   # 4     C         5    400             400      0
   # 5     A        10    300             300      1
   # 6     B        10    200             500      0
   # 7     A        15    350             650      1
   

2. mask 每当满足重置 condition 时 Value 列并使用另一个 groupby.cumsum Group 和 Reset:

   df['Cumul'] = df.Value.mask(condition, 0).groupby([df.Group, df.Reset]).cumsum()
   
   #   Group  Quantity  Value  Cumulative_sum  Reset  Cumul
   # 0     A        10    200             200      0    200
   # 1     B         5    300             300      0    300
   # 2     A         1     50             250      0    250
   # 3     A         0    100               0      1      0
   # 4     C         5    400             400      0    400
   # 5     A        10    300             300      1    300
   # 6     B        10    200             500      0    500
   # 7     A        15    350             650      1    650