Pandas：如何用cumsum实现带范围约束的累计差值计算

现有如下Pandas DataFrame：

A     B
   5     0
   5     10
   5     0
   5     0
   5     50

需要计算列C，规则为：

• C是B与A的累计差值（每一步计算为上一步的C值加上当前行的B - A）
• C的取值必须限制在0到15之间（不能小于0，也不能大于15）

如何实现并得到如下目标结果？

A     B     C
   5     0     0
   5     10    5
   5     0     0
   5     0     0
   5     50    15

原生cumsum仅做纯累加，无法直接处理边界约束，但可以结合边界截断函数，通过自定义逻辑实现需求：

方法1：循环实现（小数据量友好） #

import pandas as pd
import numpy as np

# 构造原始数据
df = pd.DataFrame({'A': [5,5,5,5,5], 'B': [0,10,0,0,50]})

# 计算每行的增量值
delta = df['B'] - df['A']

# 初始化C列，第一行先做截断
c_vals = [np.clip(delta.iloc[0], 0, 15)]

# 逐行计算带约束的累计值
for i in range(1, len(df)):
    temp = c_vals[-1] + delta.iloc[i]
    c_vals.append(np.clip(temp, 0, 15))

# 将结果赋值给C列
df['C'] = c_vals

print(df)

方法2：自定义累加函数（大数据量可选） #

用expanding.apply或自定义遍历函数，避免显式循环的写法：

import pandas as pd
import numpy as np

df = pd.DataFrame({'A': [5,5,5,5,5], 'B': [0,10,0,0,50]})

def constrained_cumsum(increments):
    current = 0
    result = []
    for inc in increments:
        current += inc
        # 应用边界约束
        current = max(0, min(current, 15))
        result.append(current)
    return result

df['C'] = constrained_cumsum(df['B'] - df['A'])

两种方法都能得到符合要求的C列结果。

内容的提问来源于stack exchange，提问作者RomB