如何用Python Pandas添加符号切换重置的累计计数列？

方法一：Python pandas（推荐，适合大文件） #

pandas处理这类分组计数效率极高，尤其适配你这种存在大量连续同符号行的场景，性能表现优异。

步骤： #

1. 读取CSV文件：

import pandas as pd

df = pd.read_csv('your_file.csv')

2. 生成符号分组标识：
   通过对比当前行与前一行的符号是否一致，生成分组标签，符号切换时分组号自动递增：

# 标记每行的符号（正数为1，负数为-1）
df['sign'] = df['Comulative'].apply(lambda x: 1 if x > 0 else -1)
# 生成分组：符号与前一行不同时，分组号+1
df['group'] = (df['sign'] != df['sign'].shift(1)).cumsum()

3. 计算Score列：
   对每个分组内的行进行连续递增计数：

df['Score'] = df.groupby('group').cumcount() + 1

4. 导出结果（可删除中间辅助列）：

# 移除临时生成的sign和group列
df = df.drop(['sign', 'group'], axis=1)
# 保存到新CSV文件
df.to_csv('result.csv', index=False)

方法二：Excel公式（适合无代码场景） #

若习惯用Excel处理，可通过以下公式快速实现：

假设Comulative列在A列（数据从A2开始），Score列从B2起：

1. B2单元格输入：=1
2. B3单元格输入公式后下拉填充：

=IF(SIGN(A3)=SIGN(A2), B2+1, 1)

该公式会自动判断当前行与上一行的符号是否一致，一致则Score加1，符号切换时重置为1。

补充说明： #

• 对于你的场景（100-500行同符号），两种方法均能高效处理，但pandas更适合自动化批量任务或更大规模的文件；Excel公式操作简单，适合手动处理单文件的场景。

内容的提问来源于stack exchange，提问作者Genry