基于条件与groupby为Pandas DataFrame逐行填充值

DevOps 小满

2026-6-30

Pandas 数据处理需求

现有包含CLI_CD和CURA_T1列的Pandas DataFrame，示例数据如下：

CLI_CD	CURA_T1
3	0
3	0
3	0
3	0
3	1
3	1
3	1
3	1
3	1
3	1
3	0
3	0

需要新增名为CURA_ALT的列，要求如下：

按CLI_CD分组
识别每组中CURA_T1首次出现1的位置
从该行开始，仅对CURA_T1为1的行累加100/6的取整结果（保留整数）
其余行填充0

预期输出的DataFrame如下：

CLI_CD	CURA_T1	CURA_ALT
3	0	0
3	0	0
3	0	0
3	0	0
3	1	17
3	1	33
3	1	50
3	1	67
3	1	83
3	1	100
3	0	0
3	0	0

解决方案

通过Pandas分组操作、位置标记和序列计算可实现需求，代码如下：

import pandas as pd

# 构造示例数据
df = pd.DataFrame({
    'CLI_CD': [3]*12,
    'CURA_T1': [0,0,0,0,1,1,1,1,1,1,0,0]
})

def process_group(group):
    # 定位组内CURA_T1首次出现1的索引
    first_one_idx = group[group['CURA_T1'] == 1].index.min()
    
    # 初始化CURA_ALT列为0
    group['CURA_ALT'] = 0
    
    if not pd.isna(first_one_idx):
        # 筛选从首次1开始且CURA_T1为1的行
        target_rows = group.loc[first_one_idx:][group['CURA_T1'] == 1]
        # 计算累加值并取整
        step = 100 / 6
        accum_values = [round(step * i) for i in range(1, len(target_rows)+1)]
        # 赋值给对应行
        group.loc[target_rows.index, 'CURA_ALT'] = accum_values
    
    return group

# 分组应用处理函数
df = df.groupby('CLI_CD', group_keys=False).apply(process_group)

print(df)

代码说明

构造测试数据：创建与题目示例一致的DataFrame；
分组处理逻辑：
- 定位每组中CURA_T1首次出现1的位置；
- 初始化CURA_ALT列为0；
- 筛选出从首次1开始且CURA_T1为1的行，计算100/6的累加取整值并赋值；
分组应用：按CLI_CD分组后执行处理逻辑，得到最终结果。