如何在Pandas中基于双索引（员工ID+日期）实现递推计算列值？

嘿，这个需求其实用Pandas的分组+内置累积乘积函数就能完美解决，完全不用在apply里纠结怎么调用前一行的计算值，而且效率比自定义循环高多了！

核心思路 #

你的需求本质是按员工ID分组，对A列计算累积乘积：

• 每个员工的第一行，累积乘积就是A本身，正好满足“首次出现行B等于A”的要求
• 后续每一行的累积乘积，就是前一行的结果（也就是前一行的B值）乘以当前行的A值，完全匹配你的规则

具体实现代码 #

首先我们先构造你给出的原始DataFrame：

import pandas as pd

# 构造原始数据
data = {
    'Index_EmpID': ['A123', 'A123', 'A123', 'A123', 'A567', 'A567', 'A567', 'A567'],
    'Index_Date': ['2022-01-31', '2022-02-28', '2022-03-31', '2022-04-30', 
                   '2022-01-31', '2022-02-28', '2022-03-31', '2022-04-30'],
    'A': [1, 1, 1.05, 1, 1, 1.05, 1, 1.05],
    'B': [pd.NA]*8
}

df = pd.DataFrame(data)
# 确保日期是datetime类型，并按员工+日期排序（保证组内时间顺序正确）
df['Index_Date'] = pd.to_datetime(df['Index_Date'])
df = df.sort_values(['Index_EmpID', 'Index_Date']).reset_index(drop=True)

然后一行代码就能完成B列的计算：

# 按员工ID分组，对A列计算累积乘积并赋值给B
df['B'] = df.groupby('Index_EmpID')['A'].cumprod()

运行结果 #

执行后得到的DataFrame完全符合你的期望：

如果你一定要用apply的话（不推荐） #

虽然内置的cumprod()效率更高，但如果出于某些原因必须用apply，也可以这样实现：

def calculate_b_column(group):
    # 初始化首行B值
    group['B'] = group['A'].iloc[0]
    # 从第二行开始循环计算
    for idx in range(1, len(group)):
        group['B'].iloc[idx] = group['B'].iloc[idx-1] * group['A'].iloc[idx]
    return group

# 分组后应用自定义函数
df = df.groupby('Index_EmpID', group_keys=False).apply(calculate_b_column)

⚠️ 注意：这个方法用了循环，对于大数据集来说，运行速度会比cumprod()慢很多，所以优先推荐第一种方案。

内容的提问来源于stack exchange，提问作者Ketso