如何在Pandas DataFrame中从指定日期开始计算cumsum()？

问题场景 #

现有如下Pandas DataFrame，已经能计算所有行的累计求和：

import pandas as pd
df = pd.DataFrame([
    {'Date': '2022-01-01', 'Confirmed': 7 },
    {'Date': '2022-01-02', 'Confirmed': 4 },
    {'Date': '2022-01-03', 'Confirmed': 12 },
    {'Date': '2022-01-03', 'Confirmed': 2 },
    {'Date': '2022-01-04', 'Confirmed': 9 },
    {'Date': '2022-01-05', 'Confirmed': 10 },
])

df["Total Confirmed"]  = df["Confirmed"].cumsum()

但需要从特定日期（比如首次出现的2022-01-03）开始计算累计和，之前尝试shift()方法无效，因为它只按行数操作，没法按日期定位起始点。

解决方案 #

方法1：定位起始索引后调整计算

先找到目标日期首次出现的索引，再通过掩码将起始日期前的数值置为0，最后计算累计和：

import pandas as pd
df = pd.DataFrame([
    {'Date': '2022-01-01', 'Confirmed': 7 },
    {'Date': '2022-01-02', 'Confirmed': 4 },
    {'Date': '2022-01-03', 'Confirmed': 12 },
    {'Date': '2022-01-03', 'Confirmed': 2 },
    {'Date': '2022-01-04', 'Confirmed': 9 },
    {'Date': '2022-01-05', 'Confirmed': 10 },
])

# 找到目标日期首次出现的索引
start_idx = df[df['Date'] == '2022-01-03'].index[0]
# 生成掩码：起始索引及之后的行标记为True
mask = df.index >= start_idx
# 起始日期前的Confirmed设为0，之后保留原值
df['Adjusted Confirmed'] = df['Confirmed'].where(mask, 0)
# 计算累计和
df['Total Confirmed'] = df['Adjusted Confirmed'].cumsum()

方法2：分组累计（适合分段场景）

通过生成分组标记，仅对目标日期及之后的分组计算累计和：

import pandas as pd
df = pd.DataFrame([
    {'Date': '2022-01-01', 'Confirmed': 7 },
    {'Date': '2022-01-02', 'Confirmed': 4 },
    {'Date': '2022-01-03', 'Confirmed': 12 },
    {'Date': '2022-01-03', 'Confirmed': 2 },
    {'Date': '2022-01-04', 'Confirmed': 9 },
    {'Date': '2022-01-05', 'Confirmed': 10 },
])

# 生成分组标记：目标日期前为0，出现目标日期后变为1并保持
df['group'] = (df['Date'] == '2022-01-03').cumsum()
# 仅对分组1及以后计算累计和，分组0的部分设为0
df['Total Confirmed'] = df.groupby('group')['Confirmed'].cumsum().where(df['group'] >= 1, 0)

两种方法最终效果一致：2022-01-01和2022-01-02的Total Confirmed为0，从2022-01-03开始累计，结果依次为12、14、23、33。

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