Python Pandas：按分组及日期条件创建聚合求和新列

核心思路 #

要实现「按Column A分组，对当前行Column C日期之前的所有Column B值求和」，不能直接用全局分组求和，需要结合分组内日期排序、**累计求和（cumsum）和偏移（shift）**三个步骤：

1. 确保日期列是datetime类型，避免排序出错
2. 分组内按日期排序，保证时间顺序正确
3. 计算分组内Column B的累计和，再偏移一位得到当前行之前的总和
4. 空值填充为0（第一行没有前置数据）

代码实现 #

方法一：分组内lambda处理

import pandas as pd

# 示例数据
data = {
    'Column A': ['Bill', 'John', 'Bill', 'Bill'],
    'Column B': [1, 0, 1, 0],
    'Column C': ['2022-09-01', '2022-09-02', '2022-09-04', '2022-09-10']
}
df = pd.DataFrame(data)

# 转换日期列类型
df['Column C'] = pd.to_datetime(df['Column C'])

# 生成NEW COL列
df['NEW COL'] = df.groupby('Column A').apply(
    lambda group: group.sort_values('Column C')['Column B'].cumsum().shift(1)
).reset_index(level=0, drop=True).fillna(0).astype(int)

print(df)

方法二：先全局排序再分组计算（更高效）

如果数据量较大，推荐这种方式，避免lambda的额外开销：

import pandas as pd

# 示例数据
data = {
    'Column A': ['Bill', 'John', 'Bill', 'Bill'],
    'Column B': [1, 0, 1, 0],
    'Column C': ['2022-09-01', '2022-09-02', '2022-09-04', '2022-09-10']
}
df = pd.DataFrame(data)

# 转换日期列类型并按分组+日期排序
df['Column C'] = pd.to_datetime(df['Column C'])
df = df.sort_values(['Column A', 'Column C'])

# 计算分组累计和并偏移
df['NEW COL'] = df.groupby('Column A')['Column B'].cumsum().shift(1).fillna(0).astype(int)

# 还原原始索引顺序（可选）
df = df.sort_index()

print(df)

输出结果 #

原代码问题说明 #

你之前写的df.groupby('Column A')['Column B'].transform(np.sum)是计算每个分组的全局总和，无法区分当前行日期的先后关系，所以必须结合排序和累计求和才能实现前置数据的求和逻辑。

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