Pandas多条件滚动计数需求：基于奶牛泌乳期及DIM间隔的累计计数调整

没问题，我来帮你实现这个带时间间隔条件的滚动计数需求！我们可以通过分组计算差值、标记递增条件，再累计求和的方式，完美得到你想要的Adjusted列。

完整实现代码 #

import pandas as pd

# 初始化你的原始数据
l1 =["1", "1", "1", "2", "2", "2", "2", "2"]
l2 =[1, 2, 2, 2, 2, 2, 2, 3]
l3 =[45, 25, 28, 70, 95, 98, 120, 80]
cowmast = pd.DataFrame(list(zip(l1, l2, l3)), columns=['Cow', 'Lact', 'DIM'])

# --- 生成你原有的xmast和Lxmast列（如果需要保留）---
def rolling_count(val):
    if val == rolling_count.previous:
        rolling_count.count +=1
    else:
        rolling_count.previous = val
        rolling_count.count = 1
    return rolling_count.count

rolling_count.count = 0
rolling_count.previous = None
cowmast['xmast'] = cowmast['Cow'].apply(rolling_count)

def count_consecutive_items_n_cols(df, col_name_list, output_col):
    cum_sum_list = [
        (df[col_name] != df[col_name].shift(1)).cumsum().tolist()
        for col_name in col_name_list
    ]
    df[output_col] = df.groupby(
        ["_".join(map(str, x)) for x in zip(*cum_sum_list)]
    ).cumcount() + 1
    return df

count_consecutive_items_n_cols(cowmast, ['Cow', 'Lact'], 'Lxmast')

# --- 核心：生成Adjusted列 ---
# 1. 按Cow和Lact分组，计算组内相邻行的DIM差值
cowmast['dim_diff'] = cowmast.groupby(['Cow', 'Lact'])['DIM'].diff()

# 2. 标记需要递增计数的情况：组内第一行（diff为NaN） 或 DIM差值超过7天
cowmast['incr_flag'] = (cowmast['dim_diff'].isna()) | (cowmast['dim_diff'] > 7)

# 3. 按Cow和Lact分组，对标记列做累计求和，得到最终的Adjusted计数
cowmast['Adjusted'] = cowmast.groupby(['Cow', 'Lact'])['incr_flag'].cumsum().astype(int)

# 查看最终结果
print(cowmast[['Cow', 'Lact', 'DIM', 'xmast', 'Lxmast', 'Adjusted']])

代码逻辑解释 #

1. 计算组内DIM差值：
   使用groupby(['Cow', 'Lact'])['DIM'].diff()，确保我们只计算同一奶牛同一泌乳期内的相邻天数差，每个组的第一行会得到NaN（因为没有上一行数据）。

2. 标记递增条件：
   我们只在两种情况下让计数递增：

   • 该行是当前Cow-Lact组的第一行（对应dim_diff为NaN）
   • 相邻两天的差值超过7天（dim_diff >7）
     用布尔值生成incr_flag列，满足条件为True（等价于1），否则为False（等价于0）。

3. 累计求和生成计数：
   在每个Cow-Lact组内对incr_flag做累计求和，这样每次满足条件时计数就加1，不满足时保持不变，同时实现了按组重置计数的需求。

最终输出结果 #

运行代码后，你会得到和预期完全一致的表格：

内容的提问来源于stack exchange，提问作者JohnH