Pandas按三列分类分组条件填充第四列的实现方法

核心逻辑是把条件判断转换为累计求和的计算项，用pandas原生向量化运算即可实现，不需要写自定义循环：

1. 先修正一个描述笔误：从示例数据和计算规则看，判断是否扣减的字段是C列（取值为YES/NO），不是B列，B列存储的是实际扣减数值。
2. 构造扣减项列：当C列值为NO时，扣减项等于当前行B列的值，否则扣减项为0
3. 按A列分组，对扣减项做分组累计求和
4. 用每组初始值400减去累计扣减额，就得到最终D列的值

代码实现 #

import pandas as pd

# 构造示例DataFrame
df = pd.DataFrame({
    'A': [1,1,1,1,1,2,2,2,2,2,3,3,3,3,3],
    'B': [5]*15,
    'C': ['YES','YES','NO','NO','NO','NO','YES','YES','NO','YES','NO','NO','NO','NO','YES']
})

# 按规则计算D列
df['D'] = 400 - df.assign(
    deduct = df['B'].where(df['C'].eq('NO'), 0)
).groupby('A')['deduct'].cumsum()

运行后生成的D列和给出的示例结果完全一致。

逻辑验证 #

以A=2的分组为例：

• 第6行C=NO，扣减5，累计扣减5 → 400-5=395
• 第7、8行C=YES，扣减0，累计扣减保持5 → D值保持395
• 第9行C=NO，扣减5，累计扣减10 → 400-10=390
• 第10行C=YES，扣减0，累计扣减10 → D值保持390
  完全匹配给出的逐行计算规则。

如果实际场景中确实是判断B列值为NO、用C列值做扣减，只需要把代码里判断列、取值列对应替换即可，核心逻辑通用。

内容的提问来源于stack exchange，提问作者vp_050