如何用Pandas实现带条件的GroupBy累加计算Net列？

直接通过条件计算+分组累加的链式操作就能完成需求，不需要拆分步骤单独处理：

1. 先根据tag的规则计算每行的基础数值
2. 按rep分组后对基础数值做逐行累加（cumsum）

完整代码示例 #

import pandas as pd
import numpy as np

# 构造原始数据（示例）
df = pd.DataFrame({
    'rep': ['A', 'A', 'B', 'B', 'B'],
    'tag': [1, 2, 1, 3, 2],
    'profit': [100, 0, 150, 0, 0],
    'cost': [20, 30, 40, 50, 10]
})

# 一步生成Net列
df['Net'] = np.where(
    df['tag'] == 1, 
    df['profit'] - df['cost'], 
    -df['cost']
).groupby(df['rep']).cumsum()

print(df)

运行结果 #

rep  tag  profit  cost   Net
0   A    1     100    20   80
1   A    2       0    30   50
2   B    1     150    40  110
3   B    3       0    50   60
4   B    2       0    10   50

补充说明 #

如果习惯用loc分步赋值，也可以这样写：

# 初始化Net列
df['Net'] = 0
# 条件赋值
df.loc[df['tag'] == 1, 'Net'] = df['profit'] - df['cost']
df.loc[df['tag'] > 1, 'Net'] = -df['cost']
# 分组累加
df['Net'] = df.groupby('rep')['Net'].cumsum()

两种方法效果一致，np.where的方式代码更紧凑，处理大数据量时效率也更高。

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