基于索引值的Pandas DataFrame条件填充技术问询

问题背景 #

我有一个存储夏令营学生运动活动信息的Pandas DataFrame，学生每次参与可选择有限的运动项目（示例中为3种）。DataFrame包含字段：Name（学生姓名）、Nr（到访次数/年份）、Activity（当年选择的运动项目），以及对应每个运动的计数列（如Football、Badminton、Swimming）。

输入DataFrame示例 #

Name Nr Activity Football Badminton Swimming
Mike 1  Football  0        0         0
Mike 2  Football  0        0         0
Mike 3  Badminton 0        0         0
Mike 4  Football  0        0         0
Mike 5  Swimming  0        0         0

期望输出DataFrame示例 #

Name Nr Activity Football Badminton Swimming
Mike 1  Football  1        0         0
Mike 2  Football  2        0         0
Mike 3  Badminton 2        1         0
Mike 4  Football  3        1         0
Mike 5  Swimming  3        1         1

核心需求：根据每行的Activity字段，将对应运动列从当前行开始的所有后续行（含当前行）累计计数。比如第3年选择羽毛球后，第4、5年的羽毛球列需保持累计的1次记录，后续每新增一次对应运动，计数继续累加。

解决方案 #

利用Pandas的向量化操作和cumsum()累计求和方法，可以高效实现需求，无需手动遍历修改索引行。

代码实现 #

1. 首先构造输入DataFrame（如果已有数据可跳过此步骤）：

import pandas as pd

data = {
    'Name': ['Mike']*5,
    'Nr': [1,2,3,4,5],
    'Activity': ['Football', 'Football', 'Badminton', 'Football', 'Swimming'],
    'Football': [0,0,0,0,0],
    'Badminton': [0,0,0,0,0],
    'Swimming': [0,0,0,0,0]
}

df = pd.DataFrame(data)

2. 处理运动列的累计计数：

# 定义所有运动项目列的名称
sport_columns = ['Football', 'Badminton', 'Swimming']

for sport in sport_columns:
    # 生成标记序列：当前行Activity等于该运动则标记为1，否则为0
    sport_participation = df['Activity'] == sport
    # 计算累计和，赋值给对应运动列
    df[sport] = sport_participation.cumsum()

3. 查看结果：

print(df)

结果说明 #

运行后得到的DataFrame完全符合期望输出：

• cumsum()会自动累计每个运动的参与次数，每行的运动列值代表到当前行为止该学生参与该运动的总次数。
• 后续行如果未选择该运动，累计和不会变化，自然保持之前的累计值，完美满足“当前及后续行延续累计计数”的需求。

多学生场景适配 #

如果DataFrame包含多个学生，只需按Name分组后应用逻辑即可，确保每个学生的计数独立：

df = df.groupby('Name').apply(lambda x: x.assign(**{
    sport: (x['Activity'] == sport).cumsum() for sport in sport_columns
})).reset_index(drop=True)

内容的提问来源于stack exchange，提问作者user495490