如何让DataFrame中每组数值至少比前一组高3%？

原始DataFrame #

import pandas as pd
df = pd.DataFrame(
    {
        'a': [100, 100, 102, 102, 106, 106, 106, 110, 110, 110]
    }
)

预期输出 #

a      b
0  100  100.00
1  100  100.00
2  102  103.00
3  102  103.00
4  106  106.09
5  106  106.09
6  106  106.09
7  110  110.00
8  110  110.00
9  110  110.00

处理规则 #

• a) 按列a的相同值分组
• b) 每组的b列值需满足：至少比前一组的b值高3%；若当前组a值达不到该要求，就用前一组b值×1.03作为当前组b值；若当前组a值超过计算值，则直接用a本身作为b值

我的尝试（思路有误） #

df['streak'] = df.a.ne(df.a.shift(1)).cumsum()
df['b'] = df.groupby('streak')['a'].apply(lambda x: x * 1.03)

解决方案 #

要实现该逻辑，需先提取a的唯一分组并按顺序计算每组的b基准值，再映射回原DataFrame：

1. 提取a的唯一值并保留原始顺序：

unique_a = df['a'].drop_duplicates().reset_index(drop=True)

2. 逐个计算每个分组的b基准值：

b_values = [unique_a[0]]  # 第一组直接使用a的数值
for i in range(1, len(unique_a)):
    prev_b = b_values[-1]
    required = prev_b * 1.03
    if unique_a[i] >= required:
        b_values.append(unique_a[i])
    else:
        b_values.append(required)

3. 创建a到b的映射字典：

a_to_b = dict(zip(unique_a, b_values))

4. 将映射关系应用到原DataFrame生成b列：

df['b'] = df['a'].map(a_to_b).round(2)

执行上述代码后即可得到符合要求的输出。

内容的提问来源于stack exchange，提问作者AmirX