如何基于Flag列重置Pandas DataFrame中Close_Delta的累积求和？

需求说明 #

现有包含Close_Delta和Flag列的Pandas DataFrame，Flag列用于标记Close_Delta的极性变化，需要新增Cumulative_Sum列，规则如下：

• 当Flag为True时，累积求和从0重新开始，且该行的Cumulative_Sum值为0
• 当Flag为False时，累加当前行及同一段连续False行的Close_Delta值

预期结果示例：

'Close_Delta'  'Flag'   'Cumulative_Sum'
      1          T          0
     -2          T          0
     -3          F         -3
     -1          F         -4
      2          T          0
      1          F          1
      3          F          4
     -1          T          0
      2          T          0
      4          F          4
     -2          T          0
     -1          F         -1

用户错误代码 #

用户尝试的代码因分组逻辑错误，无法生成符合预期的累积求和结果：

import pandas as pd

# Sample DataFrame（原代码中[T, T,...]语法错误，已修正为布尔值）
df = pd.DataFrame({
    'Close_Delta': [1, -2, -3, -1, 2, 1, 3, -1, 2, 4, -2, -1],
    'Flag':        [True,  True,  False,  False, True, False, False,  True, True, False,  True,  False]
})

# 创建辅助列识别Flag的变化
df['Temp'] = (df['Flag'] != df['Flag'].shift(1))

# 按辅助列分组计算累积求和
df['Cumulative_Sum'] = df.groupby('Temp')['Close_Delta'].cumsum()

# 删除辅助列
df = df.drop(columns=['Temp'])

# 输出结果
print(df)

正确实现方法 #

核心思路：先将Flag=True的行的累积值置为0，再基于Flag生成正确的分组键，对每个分组内的数值做累积求和。

完整代码 #

import pandas as pd

# 修正后的样本DataFrame
df = pd.DataFrame({
    'Close_Delta': [1, -2, -3, -1, 2, 1, 3, -1, 2, 4, -2, -1],
    'Flag':        [True,  True,  False,  False, True, False, False,  True, True, False,  True,  False]
})

# 生成临时值列：将Flag=True的行的Close_Delta替换为0
df['temp_val'] = df['Close_Delta'].where(df['Flag'] == False, 0)

# 生成分组键：每次遇到Flag=True时，分组号递增
df['group_key'] = df['Flag'].cumsum()

# 按分组键计算累积求和
df['Cumulative_Sum'] = df.groupby('group_key')['temp_val'].cumsum()

# 清理临时列
df = df.drop(columns=['temp_val', 'group_key'])

# 输出最终结果
print(df)

代码说明 #

1. 临时值列：通过where方法将所有Flag=True的行的Close_Delta置为0，确保这些行的累积值为0。
2. 分组键生成：利用Flag列的累积求和生成分组键，每次Flag=True都会开启一个新分组，保证累积求和在重置点重新开始。
3. 分组累积求和：对每个分组内的临时值做累积求和，得到符合规则的Cumulative_Sum列。

内容的提问来源于stack exchange，提问作者Cambo