使用Python实现按id分组的自定义列尾端累积计算问题求助

原有代码问题 #

• 错误地对字符串类型的date字段调用cumsum方法，本身就会返回非预期结果甚至报错
• 逻辑完全不符合需求：不需要对base、pwr做累积求和，同一id分组下的pwr和base都是固定值，仅需要取一次差值再叠加final的分组累积和即可

前提说明 #

计算前需要先按id和date升序排序，保证累积计算的顺序和业务规则一致。

正确实现代码 #

高效向量化实现（适配同id下pwr、base固定的场景） #

# 先排序保证日期顺序正确
df = df.sort_values(['id', 'date']).reset_index(drop=True)
# 直接计算used列
df['used'] = (df['pwr'] - df['base']) + df.groupby('id')['final'].cumsum()

通用适配实现（兼容同id下pwr、base变化的场景） #

def calc_used(group):
    # 取分组首行计算初始值
    init_val = group['pwr'].iloc[0] - group['base'].iloc[0]
    # 叠加final的累积和得到used列
    group['used'] = init_val + group['final'].cumsum()
    return group

df = df.sort_values(['id', 'date']).reset_index(drop=True)
df = df.groupby('id', group_keys=False).apply(calc_used)

运行结果验证 #

运行后输出结果和需求完全匹配：

内容的提问来源于stack exchange，提问作者Lynn