Pandas如何按value列累计和阈值拆分DataFrame 求非迭代原生实现

可以用Pandas的向量化累加函数cumsum()结合布尔索引实现，无需逐行迭代，性能更优，实现逻辑如下：

核心实现代码 #

import pandas as pd

# 示例数据构造
df = pd.DataFrame({
    'name': ['1st', '2nd', '3rd', '4th'],
    'value': [1, 5, 3.5, 8]
})

threshold = 10
# 计算value列的顺序累加和
cumsum_val = df['value'].cumsum()
# 生成累加和是否达到阈值的布尔掩码
mask = cumsum_val >= threshold

if mask.any():
    # 找到第一个满足累加和>=阈值的行的整数位置
    split_idx = mask.argmax()
    # 拆分原表和新表
    df_original = df.iloc[:split_idx]
    df_new = df.iloc[split_idx:]
else:
    # 所有行累加和都未达到阈值，新表为空
    df_original = df.copy()
    df_new = pd.DataFrame(columns=df.columns)

结果验证 #

示例运行后：
df_original保留前3行，累加和为9.5<10：

df_new为首次达到阈值开始的剩余行：

方案优势 #

• 完全基于Pandas向量化操作，避免逐行迭代，大数据量下性能远高于迭代方案
• 兼容自定义索引场景，argmax()返回行的整数位置，不受索引标签影响
• 自动处理边界情况：所有行累加和不足阈值时返回空的新表，不会报错

内容的提问来源于stack exchange，提问作者Justme4ever