如何在Pandas中按用户分组计算账户实时余额并生成新列

如何在Pandas中，针对每位用户，从Account_1和Account_2的初始值开始，累计减去对应Less_1和Less_2的数值，生成记录账户实时余额的New_Account1和New_Account2列？

原始DataFrame如下：

尝试了以下代码但未达到预期效果：

s = (df['Account_1']).sub(df['Less_1']).groupby(df['Names']).cumsum()
df2['New_Account1'] = s

期望输出结果：

问题分析 #

你之前的代码逻辑错误：将每行Account_1减去Less_1后累加，相当于重复计算了初始账户值（每个用户的Account_1在每行都存在，累加后会变成初始值乘行数再减累计Less_1），完全偏离了“初始值减累计扣除额”的需求。

正确逻辑：用用户的初始账户值，减去该用户当前行及之前所有行的Less累计总和。

实现代码 #

import pandas as pd

# 基于原始DataFrame计算实时余额
df['New_Account1'] = df.groupby('Names')['Less_1'].cumsum().rsub(df['Account_1'])
df['New_Account2'] = df.groupby('Names')['Less_2'].cumsum().rsub(df['Account_2'])

代码解释 #

1. df.groupby('Names')['Less_1'].cumsum()：按用户分组，计算每个用户到当前行为止的Less_1累计扣除额。
2. .rsub(df['Account_1'])：等价于df['Account_1'] - 累计扣除额，用初始账户值减去累计扣除额得到实时余额。
3. 同理处理New_Account2，逻辑完全一致。

结果说明 #

• 若使用你提供的原始输入数据，运行代码后会得到符合“初始值减累计扣除”逻辑的正确余额（与你给出的期望输出差异源于期望输出中修改了Less_1/Less_2的数值）。
• 若要得到你给出的期望输出，只需将原始DataFrame中的Less_1/Less_2替换为期望输出中的对应数值，再运行上述代码即可。

内容的提问来源于stack exchange，提问作者Arancium