如何在Pandas中用groupby和cumsum生成新列？

现有如下DataFrame：

需要生成包含Remaining Quantity列的目标DataFrame，该列是按Class分组后，(Received - Issued)的累计求和结果：

可以通过Pandas的分组（groupby）和累计求和（cumsum）实现，以下是两种可行写法：

写法一（分步逻辑更清晰） #

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({
    'Class': ['FD', 'FD', 'RM', 'RM', 'FD', 'PM', 'PM', 'RM', 'FD'],
    'Received': [10, 0, 5, 0, 0, 5, 1, 1, 4],
    'Issued': [0, 2, 0, 3, 2, 0, 0, 0, 0]
})

# 计算每行收支差值，按Class分组后累计求和
df['Remaining Quantity'] = df.groupby('Class').apply(
    lambda group: (group['Received'] - group['Issued']).cumsum()
).reset_index(level=0, drop=True)

写法二（更简洁高效） #

import pandas as pd

# 构造原始DataFrame
df = pd.DataFrame({
    'Class': ['FD', 'FD', 'RM', 'RM', 'FD', 'PM', 'PM', 'RM', 'FD'],
    'Received': [10, 0, 5, 0, 0, 5, 1, 1, 4],
    'Issued': [0, 2, 0, 3, 2, 0, 0, 0, 0]
})

# 直接先计算全局收支差，再按Class分组做累计求和
df['Remaining Quantity'] = (df['Received'] - df['Issued']).groupby(df['Class']).cumsum()

运行任意一种写法后，都能得到目标DataFrame。第二种写法省略了额外的分组内lambda操作，执行效率更高。

内容的提问来源于stack exchange，提问作者Doyino Delima