如何按cond条件分段重置计算pandas df.cummin()累积最小值

需求说明 #

• 计算规则：cond列取值为True时重置分段，从当前行开始对A列执行cummin()累积最小值计算，直到下一次cond为True时再次重置分段，最终结果存入expected列
• 首次出现cond=True之前的行不启动计算，对应expected值留空

测试输入代码 #

import pandas as pd
import numpy as np
A=[17,18,21,15,18,19,22,16,30,50,]
cond=[False,True,False,False,False,True,False,False,True,False]
df=pd.DataFrame({'A':A,'cond':cond})

实现代码 #

核心思路是先通过cond列的累加值生成分组标记，再按分组执行组内累积最小值计算，最后处理前置空值行即可：

# 生成分组ID：每次cond为True时分组号+1，同分段共享同一ID
df['group_id'] = df['cond'].cumsum()
# 按分组计算组内累积最小值
df['expected'] = df.groupby('group_id')['A'].cummin()
# 首次cond=True之前的行（group_id=0）赋值为空，符合需求
df.loc[df['group_id'] == 0, 'expected'] = np.nan
# 清理临时列
df = df.drop(columns='group_id')

预期输出结果 #

运行代码后得到的结果完全匹配要求：

逻辑说明 #

• 布尔值做累加运算时，True等价于1、False等价于0，因此cond.cumsum()可以天然实现“每次遇到True就切新分组”的标记效果
• 该实现为pandas原生向量化运算，无逐行循环，大数据量下性能表现优异
• 如果需要调整为累积最大值、累积求和等其他分段聚合逻辑，只需要把cummin()替换为对应的cummax()、cumsum()即可

内容的提问来源于stack exchange，提问作者July