如何使用Python对DataFrame按ID分组计算历史T1累加值与T1=2的次数

直接用pandas内置的分组、累计求和、移位操作即可实现需求，无需复杂自定义函数，完整代码如下：

import pandas as pd

# 构造原表测试数据
data = {
    "s/n": [0, 1, 2, 3, 4, 5, 6, 7, 8],
    "i.d": ["A", "B", "C", "A", "B", "C", "A", "B", "C"],
    "T1": [2, 2, 0, 2, 0, 2, 1, 0, 1]
}
df = pd.DataFrame(data)

# 计算同分组当前行之前的T1累计和
# 逻辑：组内先累计求和，结果下移1行，空值（每组第一行）填0后转整数
df["prev_total_T1"] = df.groupby("i.d")["T1"].cumsum().shift(1).fillna(0).astype(int)

# 计算同分组当前行之前T1=2的累计次数
# 先标记T1等于2的行，再按分组累计计数后移位、补0
df["t1_equals_2"] = df["T1"] == 2
df["prev_no_of_T1_2"] = df.groupby("i.d")["t1_equals_2"].cumsum().shift(1).fillna(0).astype(int)

# 删除计算用的中间标记列
df = df.drop("t1_equals_2", axis=1)

# 输出结果
print(df)

运行后输出的结果和你给出的目标表结构完全一致。

逻辑说明 #

• groupby("i.d")：按i.d字段拆分独立分组，所有计算仅在同分组内生效
• cumsum()：累计求和/计数，默认会包含当前行的数值
• shift(1)：将累计结果向下偏移1行，使当前行拿到的是前面所有行的累计结果
• fillna(0)：每个分组的第一行偏移后会产生空值，替换为0符合初始无历史数据的需求

内容的提问来源于stack exchange，提问作者Pat rick