如何基于指定分组列计算DataFrame中唯一值的Running Total？

要实现按Name和Date分组，计算Total Fee唯一值的累计求和（Running Total），可以通过以下步骤用Pandas完成：

步骤说明 #

1. 标记每个分组内Total Fee的首次出现记录
2. 仅保留首次出现的Total Fee值，重复项设为0
3. 对处理后的数值按分组做累计求和

完整代码 #

import pandas as pd

# 构造示例DataFrame
data = {
    'Name': ['汤姆', '汤姆', '汤姆', '汤姆', '马特'],
    'Product': ['香蕉', '苹果', '香蕉', '香蕉', '香蕉'],
    'Date': ['2021-01-01', '2021-01-01', '2021-02-01', '2021-02-01', '2021-02-01'],
    'Location': ['纽约', '纽约', '德克萨斯', '德克萨斯', '纽约'],
    'Type': ['水果', '水果', '水果', '水果', '水果'],
    'Sales': [120, 120, 420, 120, 30],
    'Ship Fee %': [0.01, 0.01, 0.01, 0.01, 0.01],
    'Total Fee': [1.2, 1.2, 4.2, 1.2, 0.3]
}
df = pd.DataFrame(data)

# 标记分组内Total Fee的首次出现
df['is_first'] = df.groupby(['Name', 'Date'])['Total Fee'].transform(lambda x: ~x.duplicated())

# 生成临时列，仅保留首次出现的Fee值
df['temp_fee'] = df['Total Fee'].where(df['is_first'], 0)

# 按分组计算累计和得到Running Total
df['Running Total'] = df.groupby(['Name', 'Date'])['temp_fee'].cumsum()

# 清理临时列
df.drop(['is_first', 'temp_fee'], axis=1, inplace=True)

# 输出结果
print(df)

输出结果 #

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