Python实现Window function：当前行至无界后续行的分组滚动求和

核心思路 #

要实现按分类列分组、日期排序后，计算当前行至后续所有行的数值求和，可利用序列反转+累计求和的技巧，结合pandas的groupby和transform方法完成，这是最Pythonic的方案之一。

步骤与代码实现 #

1. 预处理数据：确保日期列是datetime类型，避免排序错误，并按分组列和日期列排序。
2. 反向累计求和：对每个分组的数值列进行反转，执行累计求和后再反转回来，得到从当前行到末尾的总和。

import pandas as pd

# 构造示例数据
data = {
    'Date(MM/DD/YYYY)': ['10/01/2016', '11/01/2016', '12/01/2016', '01/01/2017', '02/01/2017', '03/01/2017', 
                         '04/01/2017', '05/01/2017', '06/01/2017', '07/01/2017', '08/01/2017', '09/01/2017'],
    'ID': [1]*12,
    'Amt': [10,5,20,50,60,20,0,0,38,60,50,20]
}
df = pd.DataFrame(data)

# 转换日期格式并排序
df['Date(MM/DD/YYYY)'] = pd.to_datetime(df['Date(MM/DD/YYYY)'], format='%m/%d/%Y')
df = df.sort_values(['ID', 'Date(MM/DD/YYYY)']).reset_index(drop=True)

# 计算目标列：当前行至后续所有行的求和
df['Desired Column'] = df.groupby('ID')['Amt'].transform(lambda x: x[::-1].cumsum()[::-1])

# 输出结果
print(df)

代码解释 #

• x[::-1]：将分组后的Amt序列反转，把末尾元素移到开头；
• cumsum()：对反转后的序列做累计求和，此时得到的是从原序列末尾开始向前的累计值；
• [::-1]：再次反转序列，将结果还原为原顺序，此时每个位置的值就是原序列当前行到末尾的总和。

替代方案（等效但效率稍低） #

也可以用expanding窗口实现，逻辑和上述方法一致：

df['Desired Column'] = df.groupby('ID')['Amt'].transform(lambda x: x[::-1].expanding().sum()[::-1])

内容的提问来源于stack exchange，提问作者Sassy