Pandas如何基于布尔列按分组实现分账户条件累计求和

通过「构造有效发生额+分组累计求和」的方式即可实现需求，全程使用pandas原生向量化运算，无需手写逐行循环，性能优异。 #

1. 原始数据集构造 #

对应测试数据构造代码：

import pandas as pd
import numpy as np

d = {
    'name': ['Adam', 'Adam', 'Adam', 'Benj', 'Benj', 'Adam'],
    'is_valid': [True, False, True, True, False, True],
    'account': ['debit', 'credit', 'credit', 'credit', 'debit', 'credit'],
    'transaction': [10, 10, 10, 10, 10, 10]
}
df = pd.DataFrame(data=d)

2. 计算逻辑实现 #

2.1 生成待累计的有效发生额 #

按照规则，只有同时满足当前行is_valid为True、账户类型匹配两个条件时，当前行的transaction值才需要计入累计，否则记为0（不改变累计结果）。大数据量场景下推荐用numpy.where实现，性能远高于逐行apply：

# 生成credit类有效发生额
df['_credit_tmp'] = np.where(
    (df['is_valid'] == True) & (df['account'] == 'credit'),
    df['transaction'],
    0
)
# 生成debit类有效发生额
df['_debit_tmp'] = np.where(
    (df['is_valid'] == True) & (df['account'] == 'debit'),
    df['transaction'],
    0
)

2.2 按姓名分组逐行累计 #

按name列分组后对临时列做逐行累计求和，得到最终的累计列，之后删除中间临时列即可：

df['credit_cumulative'] = df.groupby('name')['_credit_tmp'].cumsum()
df['debit_cumulative'] = df.groupby('name')['_debit_tmp'].cumsum()

# 清理临时列
df = df.drop(columns=['_credit_tmp', '_debit_tmp'])

3. 结果验证 #

运行代码后得到的DataFrame完全匹配预期输出：

内容的提问来源于stack exchange，提问作者jds