Pandas：如何按另一列True值分段聚合指定列对应值

可以通过Pandas的分组和掩码操作实现需求，步骤如下：

1. 创建示例DataFrame #

import pandas as pd

df = pd.DataFrame({
    'column1': [False, False, False, True, False, False, True],
    'column2': [1, 1, 1, 1, 1, 1, 1]
})

2. 核心处理逻辑 #

# 生成分组键：每次遇到True时分组号递增
group_key = df['column1'].cumsum()

# 掩码操作：将True位置的column2值设为NaN，只保留False位置的数值
temp = df['column2'].mask(df['column1'])

# 分组累加计算每组内False对应的column2总和
cumulative_sum = temp.groupby(group_key).cumsum()

# 仅在True位置保留累加结果，其余位置设为0
df['column3'] = cumulative_sum.where(df['column1'], 0).fillna(0).astype(int)

3. 结果验证 #

运行后df['column3']的输出为：

0    0
1    0
2    0
3    3
4    0
5    0
6    2
Name: column3, dtype: int64

逻辑解释 #

• group_key通过对column1的True值累加，把数据划分为「上一个True之后到当前True之前」的分组；
• temp掩码操作过滤掉True位置的数值，避免干扰累加计算；
• 分组累加后，仅在True位置保留该组的累加总和，其余位置置0，正好匹配需求。

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