Python pandas月度cumsum累计求和达到阈值1后自动重置的实现咨询

原生cumsum仅支持全量累计，无法满足中途超过阈值重置的需求，你需要在月度分组的基础上，新增分组内的自定义累计逻辑即可同时满足两个重置要求。

核心逻辑拆解 #

• 月度周期重置：沿用pd.Grouper(freq='1M')对时间序列分组，每个自然月单独计算，天然满足每月初重置的要求
• 阈值触发重置：每个月度分组内部逐行累加CI_rate，每次累加后判断是否超过阈值1，若超过直接将当前累计值重置为1

代码实现示例 #

首先需要保证DataFrame的索引为datetime类型，否则按月份分组会失效：

import pandas as pd

# 自定义带双重置规则的CI计算函数
def calc_ci(rate_series):
    current_ci = 1 # 初始值对齐你的计算逻辑
    res = []
    for rate in rate_series:
        current_ci += rate
        # 累计值超过阈值1时重置
        if current_ci > 1:
            current_ci = 1
        res.append(current_ci)
    return pd.Series(res, index=rate_series.index)

# 按月份分组后应用自定义计算函数
df['CI'] = df.groupby(pd.Grouper(freq='1M'))['CI_rate'].apply(calc_ci)

大数据量优化方案 #

如果数据量超过10万行，上述循环实现的运行效率偏低，可以用numba装饰器做JIT加速：

import numpy as np
from numba import jit

@jit(nopython=True)
def fast_calc_ci(rate_arr):
    res = np.zeros_like(rate_arr)
    current_ci = 1
    for i in range(len(rate_arr)):
        current_ci += rate_arr[i]
        if current_ci > 1:
            current_ci = 1
        res[i] = current_ci
    return res

# 应用加速后的计算逻辑
df['CI'] = df.groupby(pd.Grouper(freq='1M'))['CI_rate'].transform(lambda x: fast_calc_ci(x.values))

内容的提问来源于stack exchange，提问作者Mounir Abraim