如何按S列现值加P列前值规则替换P列null值生成结果列

以下是不同工具场景下的实现方法：

Excel/WPS 表格场景 #

• 先确认你的表格已经按计算所需的先后顺序排好序（如按时间、行号升序）
• 找到P列第一个非空的初始值，保留原值不动
• 从P列第一个空值对应的行开始，输入公式：=当前行S列单元格 + 上一行P列单元格，比如空值在P3单元格，就输入=S3+P2
• 下拉填充公式到P列所有需要补全的行即可

Python Pandas 场景 #

方法1：逐行递推（易理解，适合小数据量） #

import pandas as pd

# df为你的数据表，需提前按计算顺序排好序
# 取P列第一个非空值作为计算初始值
first_p = df['P'].dropna().iloc[0]
first_idx = df['P'].first_valid_index()

# 遍历补全空值
for i in range(first_idx + 1, len(df)):
    if pd.isna(df.loc[i, 'P']):
        df.loc[i, 'P'] = df.loc[i, 'S'] + df.loc[i-1, 'P']

方法2：向量化运算（效率高，适合十万行以上的大数据量） #

递推公式可以展开为：第n行P值 = 初始P值 + 从初始行下一行到第n行的S值累加和，对应代码：

import pandas as pd
import numpy as np

df = df.sort_values('你的排序字段').reset_index(drop=True)
first_idx = df['P'].first_valid_index()
first_p = df.loc[first_idx, 'P']

# 生成累加掩码，初始行之前的S不计入累加
mask = np.arange(len(df)) > first_idx
df['cum_s'] = df['S'].where(mask, 0).cumsum()
df['P'] = df['P'].fillna(first_p + df['cum_s'])
df = df.drop('cum_s', axis=1)

SQL 场景（支持窗口函数的数据库，如MySQL8.0+、PostgreSQL等） #

需提前确认表中有用于确定行先后顺序的字段（如自增id、日期字段，示例中为order_col）：

WITH calc_data AS (
    SELECT
        *,
        -- 获取P列第一个非空初始值
        FIRST_VALUE(P) OVER (ORDER BY order_col ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS init_p,
        -- 计算从初始行下一行到当前行的S累加和
        SUM(CASE WHEN ROW_NUMBER() OVER (ORDER BY order_col) > (SELECT MIN(ROW_NUMBER() OVER (ORDER BY order_col)) FROM 你的表名 WHERE P IS NOT NULL) THEN S ELSE 0 END) OVER (ORDER BY order_col) AS cum_s
    FROM 你的表名
)
SELECT
    CASE WHEN P IS NULL THEN init_p + cum_s ELSE P END AS P,
    -- 其他字段按需选择
    S, 其余字段名
FROM calc_data

内容的提问来源于stack exchange，提问作者Ashok Anumula