如何基于另一列求和阈值实现Pandas可变跨度ewm mean计算？

需求说明 #

我们需要为B列计算可变跨度的指数加权均值（EWM Mean），跨度由A列的累积求和结果决定：从当前行向前累加A列的值，当累加和≥阈值（示例中为4）时，取此时累积的行数作为EWM的跨度，再计算对应窗口内B列的EWM均值。

示例数据及预期逻辑：

实现代码（Pandas） #

import pandas as pd

# 初始化示例数据
df = pd.DataFrame({
    'A': [1, 1, 2, 4, 1, 3],
    'B': [2, 2, 3, 1, 1, 1]
})

def get_target_span(row_idx, df, threshold=4):
    """计算当前行对应的EWM跨度：向前累加A直到和≥阈值，返回累加行数"""
    total_sum = 0
    span = 0
    # 从当前行向前遍历（包含当前行）
    for i in range(row_idx, -1, -1):
        total_sum += df.loc[i, 'A']
        span += 1
        if total_sum >= threshold:
            break
    return span

# 为每行计算跨度
df['span'] = df.index.map(lambda idx: get_target_span(idx, df))

def compute_ewm_result(row_idx, df):
    """根据跨度计算当前行的EWM均值"""
    span = df.loc[row_idx, 'span']
    # 截取对应窗口的B值
    b_window = df.loc[row_idx - span + 1 : row_idx, 'B']
    # 计算EWM均值（adjust=True为默认参数，可按需调整）
    return b_window.ewm(span=span).mean().iloc[-1]

# 生成最终结果列
df['ewm_result'] = df.index.map(lambda idx: compute_ewm_result(idx, df))

print(df)

代码说明 #

1. get_target_span函数：遍历当前行及之前的A列值，累加直到和≥阈值，返回累加的行数作为EWM跨度。
2. 生成跨度列：通过index.map为每行匹配对应的跨度值。
3. compute_ewm_result函数：根据每行的跨度截取B列窗口，计算窗口内的EWM均值，取窗口最后一个值作为当前行的结果。
4. 结果输出：最终生成的ewm_result列即为符合需求的可变跨度EWM均值。

内容的提问来源于stack exchange，提问作者BYZZav