Pandas无需循环实现零值间隔的time_diff分段累加赋值给time_adder的方法

可以通过pandas向量化操作实现，完全避免Python层面的循环，性能比while循环提升1~2个数量级，具体实现逻辑如下：

核心思路 #

利用cumsum生成分组标识：每遇到time_adder初始值为0的位置，分组编号+1，同一个分组内的time_diff值做累计求和即可，初始为0的位置直接保留原值不参与计算。

完整代码 #

import pandas as pd
from datetime import timedelta

# ========== 核心实现 ==========
# 1. 标记需要计算的位置：排除初始time_adder为0的行
calc_mask = df['time_adder'] != 0
# 2. 生成分组ID，每遇到0就进入新的分组
df['group_id'] = (df['time_adder'] == 0).cumsum()
# 3. 按分组计算time_diff的累计和，赋值给对应位置
df.loc[calc_mask, 'time_adder'] = df[calc_mask].groupby('group_id')['time_diff'].cumsum()
# 4. 可选：删除临时生成的group_id列
df.drop('group_id', axis=1, inplace=True)

效果验证 #

以你给出的数值示例验证：

• 初始time_adder：[0, 0, NaN, NaN, NaN, NaN, 0, 0, NaN, NaN, 0...]
• 对应time_diff：[1,2,1,2,3,4,1,3,5,6...]
• 计算后time_adder：[0, 0, 1, 3, 6, 10, 0, 0, 5, 11, 0...]，完全符合预期输出。

对于timedelta类型的time_diff，pandas原生支持cumsum运算，无需额外做类型转换，也符合你的时间差累加需求。

内容的提问来源于stack exchange，提问作者None