基于Pandas按name分组，对a列连续值对应val列求和生成sum_val列

我来帮你搞定这个需求！你想要按name分组，把a列里连续相邻数值对应的val求和，再给每一行添上这个求和值作为sum_val列，下面是具体的实现方法：

思路拆解 #

1. 标记连续序列：先按name分组，在每个组内判断当前行的a值和前一行是否连续（差值为1），不连续的位置就作为新序列的起点，生成子组标签。
2. 计算子组求和：用上面的子组标签，对每个子组的val求和。
3. 映射回原数据：把每个子组的求和结果对应到组内的每一行，得到sum_val列。

完整代码实现 #

import pandas as pd

# 初始化原DataFrame
df1 = {'name': ["x","x","x","x","x","x","x","y","y","y","y","y","y","y"], 
       'a': [3,4,5,11,14,15,16,2,3,4,10,13,14,15], 
       'b': [9,8,7,12,23,22,21,8,7,6,11,22,21,20], 
       'val': [2,1,3,4,5,6,3,21,11,31,41,51,61,31] }
df1 = pd.DataFrame(df1, columns = ['name','a','b','val'])

# 核心处理逻辑
df1['sum_val'] = df1.groupby(
    ['name', df1.groupby('name')['a'].diff().ne(1).cumsum()]
)['val'].transform('sum')

# 验证结果
print(df1)

代码细节解释 #

• df1.groupby('name')['a'].diff().ne(1)：在每个name组内，计算当前a与前一行a的差值，判断是否不等于1（即不连续），生成布尔序列。
• .cumsum()：对布尔序列累加，每遇到一个不连续的位置，累加值就加1，这样连续的行会被归为同一个子组。
• groupby(...)['val'].transform('sum')：按name和子组标签分组，计算每个子组的val总和，再用transform把总和映射回每一行，确保每行都能拿到自己所在连续序列的求和值。

运行后得到的结果和你期望的df2完全一致哦！

内容的提问来源于stack exchange，提问作者user12367917