当条件不满足时重置Pandas的cumsum累计求和

你需要先在每个A-B分组内识别出连续相同C值的区块，再在每个区块内做累计计数，这样就能在C值变化时重置累计值。具体代码如下：

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'A': ['group1']*6,
    'B': ['group1_c']*6,
    'C': [12,12,12,1,12,12]
})

# 1. 分组内标记C值变化的位置
df['change_flag'] = df.groupby(['A','B'])['C'].apply(lambda x: x != x.shift()).astype(int)

# 2. 分组内生成连续相同C值的区块ID
df['block_id'] = df.groupby(['A','B'])['change_flag'].cumsum()

# 3. 每个区块内计算累计值
df['cumul'] = df.groupby(['A','B','block_id']).cumcount()

# 可选：删除中间辅助列
df = df.drop(['change_flag','block_id'], axis=1)

执行后得到的结果与你的期望一致：

代码说明 #

• 步骤1：通过groupby(['A','B'])限定仅在同一分组内比较，x != x.shift()会将当前行与前一行C值不同的位置标记为True，转为整数后用1表示变化点、0表示无变化。
• 步骤2：对变化标记做分组内累加，每遇到一个变化点，区块ID就会递增，确保同一连续相同C值的行归属同一个区块。
• 步骤3：cumcount()会在每个A-B-区块ID的分组内从0开始计数，完美实现“连续匹配时累计，不匹配时重置为0”的需求。

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