Pandas按条件分组实现列cumulative sum累积求和方法

直接使用pandas的分组累计求和接口即可完成需求，以下是可直接运行的完整代码：

import pandas as pd

# 构建示例数据集
df = pd.DataFrame({
    'innings': [1, 1, 1, 2, 2],
    'matchid': [1000887, 1000887, 1000887, 1000887, 1000887],
    'over_count': [1, 2, 50, 1, 50],
    'runs_total_inover': [1.0, 1.0, 3.0, 6.0, 2.0]
})

# 按innings、matchid分组，计算runs_total_inover的逐行累计和存入sum列
df['sum'] = df.groupby(['innings', 'matchid'])['runs_total_inover'].cumsum()

print(df)

运行代码后输出结果和预期完全一致：

innings  matchid  over_count  runs_total_inover  sum
0        1  1000887           1                1.0  1.0
1        1  1000887           2                1.0  2.0
2        1  1000887          50                3.0  5.0
3        2  1000887           1                6.0  6.0
4        2  1000887          50                2.0  8.0

补充说明：cumsum()计算时会遵循DataFrame当前的行顺序，如果你的原始数据行顺序不是按over_count升序排列的，建议在计算前先执行排序，避免累计结果出错：

# 按分组维度、轮次排序后再计算累计和
df = df.sort_values(by=['innings', 'matchid', 'over_count'], ignore_index=True)
df['sum'] = df.groupby(['innings', 'matchid'])['runs_total_inover'].cumsum()

内容的提问来源于stack exchange，提问作者KHURRAM