如何根据pandas中另一列数值变化计算带惩罚因子的列求和

首先定义你的DataFrame：

import pandas as pd

data = {
    'col_1': [4.0, 4.0, 49.0, 49.0, 49.0, 52.0, 52.0],
    'val_1': [0.89, 0.56, 0.7, 1.23, 0.8, 0.5, 0.2]
}
df = pd.DataFrame(data)

方法一：基于总和减去惩罚总额 #

核心思路：每次col_1发生变化时，对应前一组最后一行的val_1减0.4，等价于总求和值减去0.4乘以变化次数。

代码：

# 计算val_1原始总和
total_raw = df['val_1'].sum()
# 统计col_1的变化次数（排除第一行的初始NaN对比）
change_count = df['col_1'].ne(df['col_1'].shift()).iloc[1:].sum()
# 计算带惩罚的总和
total = total_raw - 0.4 * change_count
print(total)  # 输出4.08

方法二：逐行调整后求和 #

核心思路：标记出需要应用惩罚的行（每个col_1分组的最后一行，且不是整个DataFrame的最后一行），对这些行的val_1减0.4后再求和。

代码：

# 标记每个分组的最后一行
df['is_last_in_group'] = df.groupby('col_1').cumcount(ascending=False) == 0
# 标记需要惩罚的行：分组最后一行且不是整个数据的最后一行
df['need_penalty'] = df['is_last_in_group'] & (df['col_1'] != df['col_1'].iloc[-1])
# 计算调整后的值
df['adjusted_val'] = df['val_1'] - df['need_penalty'] * 0.4
# 求和
total = df['adjusted_val'].sum()
print(total)  # 输出4.08

内容的提问来源于stack exchange，提问作者EngGu