Pandas按用户分组实现带条件的连续累计计数需求

需求说明 #

为每个用户按年份顺序统计连续出现积分≤0的累计次数：

• 首次出现积分≤0时，RunningCount为0
• 连续第n次出现时，计数为n-1
• 当积分>0时，RunningCount重置为0

实现步骤与代码 #

假设你的DataFrame名为df，按以下步骤操作：

1. 按用户ID和年份排序
   确保数据按用户分组、年份递增的顺序排列，这是连续统计的基础：

df = df.sort_values(['UserID', 'Year']).reset_index(drop=True)

2. 标记积分是否符合条件
   生成临时布尔列，标记当前行积分是否≤0：

df['is_valid'] = df['Points'] <= 0

3. 划分连续符合条件的区块
   对每个用户，当出现积分>0时，重新开启一个计数区块：

df['block'] = df.groupby('UserID')['is_valid'].apply(lambda x: (~x).cumsum())

4. 计算累计计数并调整规则
   在每个用户的每个区块内统计连续次数，按规则转为n-1，同时将积分>0的行重置为0：

df['RunningCount'] = df.groupby(['UserID', 'block']).cumcount()
df.loc[~df['is_valid'], 'RunningCount'] = 0

5. 清理临时列（可选）
   如果不需要临时辅助列，可直接删除：

df = df.drop(['is_valid', 'block'], axis=1)

结果验证 #

运行上述代码后，生成的RunningCount列与示例数据完全匹配：

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