Pandas：满足双条件的分组内累计求和实现方案

你完全找对方向了，groupby()正是实现这个需求的核心方法！我们可以结合条件判断和分组累计求和来完美匹配你的需求，下面是具体的实现步骤和代码：

1. 准备示例数据 #

首先我们先构造你提供的DataFrame：

import pandas as pd

data = {
    'index': [0, 1, 2, 3, 4, 5],
    'x': [0.1, 1.2, 0.25, 1.0, 0.72, 1.5],
    'y': [1, 1, 1, 2, 2, 2],
    'value_1': [12, 10, 7, 3, 5, 10]
}
df = pd.DataFrame(data).set_index('index')

2. 实现分组条件累计求和 #

我们可以使用groupby('y')对每组单独处理，结合where()方法筛选符合条件的value_1值，再用cumsum()计算累计和：

# 计算cumsum_1：仅x<1时累计value_1，否则计入0，分组累计
df['cumsum_1'] = df.groupby('y').apply(
    lambda group: group['value_1'].where(group['x'] < 1, 0).cumsum()
).reset_index(level=0, drop=True)

# 计算cumsum_2：仅x>1时累计value_1，否则计入0，分组累计
df['cumsum_2'] = df.groupby('y').apply(
    lambda group: group['value_1'].where(group['x'] > 1, 0).cumsum()
).reset_index(level=0, drop=True)

代码说明： #

• groupby('y')：按y列的分组标识进行分组，每个分组独立计算累计和，分组变化时自动重置累计状态。
• where(group['x'] < 1, 0)：仅保留x<1对应的value_1值，其余情况替换为0，这样累计时只会累加符合条件的数值。
• cumsum()：对每个分组内的筛选后的值计算累计和。
• reset_index(level=0, drop=True)：去掉分组产生的额外索引，让结果能正确匹配原DataFrame的每行数据。

3. 调整适配示例结果 #

观察你提供的示例，行3（x=1.0）的cumsum_2为3，说明你可能需要将x=1的情况计入cumsum_2。只需把cumsum_2的条件改为group['x'] >= 1即可：

df['cumsum_2'] = df.groupby('y').apply(
    lambda group: group['value_1'].where(group['x'] >= 1, 0).cumsum()
).reset_index(level=0, drop=True)

调整后得到的结果就和你给出的示例完全一致了：

x  y  value_1  cumsum_1  cumsum_2
index                                      
0      0.10  1       12        12         0
1      1.20  1       10        12        10
2      0.25  1        7        19        10
3      1.00  2        3         0         3
4      0.72  2        5         5         3
5      1.50  2       10         5        13

内容的提问来源于stack exchange，提问作者Horst-Jackson