如何在Pandas中计算最近5行的滚动累计计数（非循环方式）

需求说明 #

针对包含类别列（如示例中的Color）的DataFrame，计算连续相同类别的滚动累计次数（即Excel中黄色列的效果），且需高效处理大型文件，避免使用循环。

示例DataFrame #

先还原示例数据：

import pandas as pd

data = {
    'Date_time': ['2015-01-09', '2015-01-12', '2015-01-13', '2015-01-14', '2015-01-15',
                  '2015-01-19', '2015-01-20', '2015-01-21', '2015-01-22', '2015-01-23'],
    'Close': [18598.05, 18808.75, 18724.75, 18636.85, 19134.65,
              19401.45, 19761.10, 19819.90, 19931.65, 20051.80],
    'Color': ['Red', 'Green', 'Red', 'Red', 'Green',
              'Green', 'Green', 'Green', 'Green', 'Green']
}
df = pd.DataFrame(data)

实现步骤 #

核心思路是通过标记类别变化点→生成分组ID→分组内累计计数三步完成，全程无循环，效率拉满：

1. 标记类别变化行：对比当前行与上一行的Color值，若不同则标记为True，否则为False

df['color_change'] = df['Color'].ne(df['Color'].shift())

2. 生成分组ID：对变化点标记列做累加，每出现一次变化，分组ID加1，连续相同类别的行会被分到同一组

df['group_id'] = df['color_change'].cumsum()

3. 分组内累计计数：按group_id分组后，用cumcount()生成组内序号，再加1（cumcount()从0开始计数）

df['Rolling_Count'] = df.groupby('group_id').cumcount() + 1

最终结果 #

执行后Rolling_Count列即为所需的滚动累计计数，结果如下：

简化写法（合并步骤） #

如果不需要中间列，可直接一行完成：

df['Rolling_Count'] = df.groupby(df['Color'].ne(df['Color'].shift()).cumsum()).cumcount() + 1

这种方法完全利用Pandas向量化操作，无需循环，处理大型文件时性能远高于循环写法，且支持任意数量的类别值。

内容的提问来源于stack exchange，提问作者amar gupta