Python(Jupyter)中DataFrame列分组求和及最小值提取需求

需求描述 #

需在Python（Jupyter）环境下对DataFrame完成两项操作：

1. 新增Column 3：

   • 对Column 2中大于0的值，按连续非零块分组求和，每组的和赋值给该组所有行；
   • Column 2值为0的行，Column 3对应值设为0。

   原始数据示例：

   Column 1 Column 2
   0       15        0.2
   1       11        0
   2       13        0.4
   3       19        0.4
   4       14        0.4
   5       2         0 
   6       1         0
   7       15        0.4
   8       3         0
   

   处理后结果：

   Column 1 Column 2 Column 3
   0       15        0.2    0.2
   1       11        0      0
   2       13        0.4    1.2
   3       19        0.4    1.2
   4       14        0.4    1.2
   5       2         0      0 
   6       1         0      0
   7       15        0.4    0.4 
   8       3         0      0
   

2. 新增Column 4：

   • Column 2值为0的行，直接取对应Column 1的值；
   • Column 2值大于0的连续分组行，取该组Column 1的最小值赋值给对应行。

   输入（已生成Column 3）：

   Column 1 Column 2 Column 3
   0       15        0.2    0.2
   1       11        0      0
   2       13        0.4    1.2
   3       19        0.4    1.2
   4       14        0.4    1.2
   5       2         0      0 
   6       1         0      0
   7       15        0.4    0.4 
   8       3         0      0
   

   处理后结果：

   Column 1 Column 2 Column 3 Column 4
   0       15        0.2    0.2       15
   1       11        0      0         11
   2       13        0.4    1.2       13 
   3       19        0.4    1.2       13 
   4       14        0.4    1.2       13 
   5       2         0      0         2
   6       1         0      0         1
   7       15        0.4    0.4       15
   8       3         0      0         3
   

优雅实现方案 #

核心逻辑是通过标记连续非零块生成分组ID，结合Pandas的groupby()和transform()完成批量赋值，全程采用向量化操作，高效简洁。

1. 构造示例DataFrame #

import pandas as pd

df = pd.DataFrame({
    'Column 1': [15, 11, 13, 19, 14, 2, 1, 15, 3],
    'Column 2': [0.2, 0, 0.4, 0.4, 0.4, 0, 0, 0.4, 0]
})

2. 生成Column 3 #

# 生成连续非零块的分组标签：0行标记为NaN，非零块按连续块分配递增整数
group_labels = (df['Column 2'] == 0).cumsum().where(df['Column 2'] > 0)

# 按分组求和，广播到每一行，0行填充为0
df['Column 3'] = df.groupby(group_labels)['Column 2'].transform('sum').fillna(0)

3. 生成Column 4 #

# 非零块取Column 1的最小值，0行直接保留Column 1的值
df['Column 4'] = df.groupby(group_labels)['Column 1'].transform('min').fillna(df['Column 1'])

最终结果 #

执行后得到的df与需求示例完全一致：

Column 1  Column 2  Column 3  Column 4
0        15       0.2       0.2      15.0
1        11       0.0       0.0      11.0
2        13       0.4       1.2      13.0
3        19       0.4       1.2      13.0
4        14       0.4       1.2      13.0
5         2       0.0       0.0       2.0
6         1       0.0       0.0       1.0
7        15       0.4       0.4      15.0
8         3       0.0       0.0       3.0

方案优势 #

• 无循环遍历，纯Pandas原生向量化操作，性能优异；
• 分组标签生成逻辑简洁，仅一行代码实现连续块识别；
• transform()自动完成结果广播，无需手动映射；
• 代码结构清晰，可读性强，易于维护和扩展。

内容的提问来源于stack exchange，提问作者RENS