如何在DataFrame中新增列实现满足指定条件时重置的递加累计计数？

你原来的代码无法得到正确结果的核心原因是，np.where是全量向量化运算，不会逐行迭代更新刚计算出的Touch_No值，df.First_touch.shift().add(1)只会取初始状态的前一行值，无法实现连续累加。

实现思路 #

• 先创建重置分组标记：每次满足「Time_btween_steps为空或值大于30」的重置条件时，分组标记+1，同一个标记对应的行属于同一段需要连续计数的区间
• 按分组标记做分组，每个分组内从1开始递增计数，即可得到符合要求的Touch_No
  如果需要针对特定外展对象分别统计，额外在分组时加上对象ID字段即可。

代码实现 #

全局连续计数（不区分统计对象） #

# 生成重置分组标识
df['reset_group'] = ((df['Time_btween_steps'].isnull()) | (df['Time_btween_steps'] > 30)).cumsum()
# 分组内计数，从1开始
df['Touch_No'] = df.groupby('reset_group').cumcount() + 1
# 清理临时字段
df.drop('reset_group', axis=1, inplace=True)

按特定对象分别统计（假设对象ID字段为object_id，可替换为你的实际字段名） #

# 每个对象单独生成重置分组标识
df['reset_group'] = df.groupby('object_id')['Time_btween_steps'].transform(lambda x: (x.isnull() | x>30).cumsum())
# 按对象+重置分组双重分组后计数
df['Touch_No'] = df.groupby(['object_id', 'reset_group']).cumcount() + 1
df.drop('reset_group', axis=1, inplace=True)

验证结果 #

用你提供的示例数据测试，运行后输出结果如下：

完全符合预期要求。

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