如何用Python Pandas反转Excel累计付款列并实现类Maxifs功能？

算力阿峰

2026-8-17

解决Pandas中按ID将累计本金付款转为单次付款的问题

你的需求本质是按唯一ID分组，将累计的本金付款值转换为当月单次付款金额——也就是当前行的累计值减去上一行的累计值（首行直接取原值），和Excel里用「当前值-上一期值」的逻辑一致，并非需要Maxifs函数。

你的代码问题分析

你之前的代码逻辑错误：

a_df["Principal_single"] = a_df["Principal_payment"].where(a_df["Months_after_origination"] < a_df["Months_after_origination"].values).groupby(a_df["ID"]).transform("max")

a_df["Months_after_origination"] < a_df["Months_after_origination"].values是逐行与整个列的所有值比较，结果全为False，导致where返回全NaN，后续分组取max自然还是NaN。

正确解决方案

方法1：使用`diff()`计算差分

diff()函数会直接计算分组内当前值与上一行值的差值，首行差值为NaN，用原Principal_payment填充即可：

# 按ID分组计算累计值的差分
a_df["Principal_single"] = a_df.groupby("ID")["Principal_payment"].diff()
# 填充首行的NaN为原累计值
a_df["Principal_single"] = a_df["Principal_single"].fillna(a_df["Principal_payment"])
# 保留两位小数（与示例输出一致）
a_df["Principal_single"] = a_df["Principal_single"].round(2)

方法2：使用`shift()`直接做减法

通过shift(1)获取上一行的累计值，用当前值减去上一行值，首行没有上一行则用0填充：

# 按ID分组获取上一期累计值，首行填充0
prev_principal = a_df.groupby("ID")["Principal_payment"].shift(1, fill_value=0)
# 计算单次付款金额
a_df["Principal_single"] = a_df["Principal_payment"] - prev_principal
# 保留两位小数
a_df["Principal_single"] = a_df["Principal_single"].round(2)