如何按ID分组循环计算Impact与Prob乘积直至目标值并生成Res_Problem列

初始数据（无Res_Problem列） #

核心思路 #

• 按ID分组，每组独立计算，切换ID时重置初始剩余值
• 用变量跟踪当前剩余值（初始为该组Problem的初始值），逐行扣除Impact*Prob的乘积
• 剩余值达到目标值（如示例中的6）后，后续行标记NO LOOP；乘积为0的行直接标记NO LOOP
• 新ID组的第一个有效计算行添加New Loop前缀，匹配示例格式

代码实现 #

import pandas as pd

# 构造初始DataFrame
data = {
    'ID': ['ID1', 'ID1', 'ID1', 'ID1', 'ID2', 'ID2'],
    'Problem': [12, 12, 12, 12, 10, 10],
    'X': ['IDC1', 'IDC2', 'IDC3', 'IDC4', 'IDB1', 'IDB1'],
    'Impact': [1, 2, 1, 1, 1, 1],
    'Prob': [2, 2, 0, 0, 2, 2]
}
df = pd.DataFrame(data)

TARGET = 6  # 设定目标停止值

def process_single_group(group):
    current_value = group['Problem'].iloc[0]
    target_reached = False
    res_problem = []
    
    for idx, row in group.iterrows():
        product = row['Impact'] * row['Prob']
        
        # 已达目标或乘积为0，直接标记NO LOOP
        if target_reached or product == 0:
            res_problem.append('NO LOOP')
            continue
        
        # 计算新剩余值并生成文本
        new_value = current_value - product
        if idx == group.index[0]:
            # 组内第一行，添加New Loop前缀
            text = f'New Loop ({current_value}-{product})={new_value}'
        else:
            text = f'({current_value}-{product})={new_value}'
        
        # 检查是否达到目标
        if new_value == TARGET:
            text += ' STOP'
            target_reached = True
        
        res_problem.append(text)
        current_value = new_value
    
    group['Res_Problem'] = res_problem
    return group

# 分组处理并生成结果
result_df = df.groupby('ID', group_keys=False).apply(process_single_group)
print(result_df)

运行结果 #

关键细节说明 #

• groupby('ID', group_keys=False)确保分组处理后保留原DataFrame的结构，避免额外的分组索引
• current_value跟踪每组的实时剩余值，target_reached变量控制循环停止逻辑，避免无效计算
• 针对组内第一行的特殊格式处理，完全匹配示例中的New Loop标记规则

内容的提问来源于stack exchange，提问作者Simon