如何用Pandas高效实现从初始总额减至0的Balance列序列减法计算

直接上干货，用Pandas的向量化操作替代apply，性能拉满还不容易出错：

核心逻辑 #

每一行的Balance其实等于首行已知余额减去当前行及之前所有AMOUNT（从第二行开始）的总和，用cumsum()就能快速算出累计扣除额，再做减法就行。最后处理余额归零的边界情况——一旦余额降到0或以下，后面所有行都保持0。

分步实现 #

1. 提取首行的初始余额

   first_balance = df['Balance'].iloc[0]
   

2. 计算从第二行开始的累计扣除额

   cumulative_amt = df['AMOUNT'].iloc[1:].cumsum()
   

3. 生成后续行的余额

   df['Balance'].iloc[1:] = first_balance - cumulative_amt
   

4. 处理余额归零逻辑
   找到第一个余额≤0的位置，把它及后面的行都设为0：

   if (df['Balance'] <= 0).any():
       zero_idx = df[df['Balance'] <= 0].index[0]
       df.loc[zero_idx:, 'Balance'] = 0
   

完整代码示例 #

import pandas as pd

# 模拟输入数据
df = pd.DataFrame({
    'Index': [1, 2, 3, 4, 5],
    'AMOUNT': [18661.02, 20000, 30000, 50000, 40000],
    'Balance': [135214.99, None, None, None, None]
})

# 执行余额计算
first_balance = df['Balance'].iloc[0]
df['Balance'].iloc[1:] = first_balance - df['AMOUNT'].iloc[1:].cumsum()

# 处理余额归零
if (df['Balance'] <= 0).any():
    zero_idx = df[df['Balance'] <= 0].index[0]
    df.loc[zero_idx:, 'Balance'] = 0

print(df)

为啥这方案更好？ #

• 性能碾压apply：cumsum()是Pandas底层C实现的向量化操作，不像apply那样逐行跑Python函数，大数据量下差距特别明显。
• 代码简洁直观，减少自定义函数的维护成本，也不容易写出逻辑bug。

内容的提问来源于stack exchange，提问作者Aditya Karnik