如何用Pandas对Column A中0之后的行分组并求和？

针对需求：对Column A中位于0之后的行按Column A的值分组，求和对应Column B的值；0行及非0之后的行保持原样。以下是可复现的解决方案：

步骤说明与代码实现 #

首先导入依赖并定义输入数据：

import pandas as pd

# 输入数据集
df = pd.DataFrame({'Column A': [0,0,1,1,1,0,-1,-1,0,0,0,1,0,0,0,0,-1],
                   'Column B': [5,3,4,2,1,3,7,5,10,2,3,4,5,5,5,5,5]
                  })

1. 生成分组标识 #

通过cumsum()生成每个0块对应的分组ID，确保0之后的连续非0行归属同一个分组：

df['group_id'] = df['Column A'].eq(0).cumsum()

2. 计算分组求和值 #

使用transform为每行计算其所在分组的Column B求和值，0行的求和值即为自身值：

df['total_B'] = df.groupby(['group_id', 'Column A'])['Column B'].transform('sum')

3. 标记需保留的行 #

对于非0行，仅保留每个(group_id, Column A)分组的第一行；0行全部保留：

mask = df['Column A'] != 0
df['is_first'] = df[mask].groupby(['group_id', 'Column A']).cumcount() == 0
df['is_first'] = df['is_first'].fillna(True)  # 0行默认保留

4. 生成最终结果 #

筛选需保留的行，替换非0行的Column B为求和值，清理辅助列：

result = df[df['is_first']].copy()
result.loc[mask, 'Column B'] = result.loc[mask, 'total_B']
result = result.drop(columns=['group_id', 'total_B', 'is_first'])

最终结果 #

处理后的result输出如下：

Column A  Column B
0          0         5
1          0         3
2          1         7
5          0         3
6         -1        12
8          0        10
9          0         2
10         0         3
11         1         4
12         0         5
13         0         5
14         0         5
15         0         5
16        -1         5

内容的提问来源于stack exchange，提问作者PythonSM