如何按分类列分组计算datetime列日期前的C列累计值？

针对你的需求，完全不需要用合并数据集的方法，直接通过pandas的分组+累计求和就能高效解决，这种方法时间复杂度低，适合大规模数据集。

核心思路 #

1. 按分类列A分组，确保每个类别单独处理；
2. 在每个分组内，先按日期列B排序（保证日期顺序正确，累计求和依赖时序）；
3. 对数值列C计算累计求和（cumsum），得到的就是当前行日期及之前所有C值的总和。

代码实现 #

import pandas as pd

# 构造示例数据集
data = {
    "列A": ["category1", "category1", "category1", "category1", "category2", "category2"],
    "列B": ["2022-01-02", "2022-03-04", "2022-07-10", "2022-08-15", "2022-03-04", "2022-07-10"],
    "列C": [1.0, 2.0, 3.0, 4.0, 5.0, 6.0]
}
df = pd.DataFrame(data)
df["列B"] = pd.to_datetime(df["列B"])  # 确保日期类型正确

# 高效写法：先排序再用transform计算累计和
df = df.sort_values(["列A", "列B"])
df["结果列"] = df.groupby("列A")["列C"].transform("cumsum")

# 输出结果
print(df[["列A", "列B", "结果列"]])

输出结果 #

关于aggregation/lambda的说明 #

• 上述代码用的transform属于pandas的聚合变换操作，性能远优于合并数据集的方法，也比groupby.apply+lambda更高效，尤其适合百万级以上的大规模数据集；
• 如果一定要用lambda写法，也可以实现，但效率略低：

df["结果列"] = df.groupby("列A").apply(
    lambda x: x.sort_values("列B")["列C"].cumsum()
).reset_index(drop=True)

内容的提问来源于stack exchange，提问作者johanna