Pandas按Name分组仅当Condition等于New时计算累计和的实现方法

你可以先把不符合Condition == 'New'的行对应的Value值替换为0，再按Name分组做累计求和即可，逻辑完全匹配你提的所有规则：

• 非New条件的行贡献值为0，累加时不会改变之前的累计结果，实现「不符合匹配时累计值保持不变」的要求
• 分组初始值自动适配：首行是Old则首行贡献值为0，累计初始值为0；首行是New则贡献值为对应Value，累计初始值为该行Value

代码实现 #

# 写法1：单句实现，无需新增临时列
df['Cumulative Value'] = df.assign(
    calc_val = df['Value'].where(df['Condition'] == 'New', 0)
).groupby('Name')['calc_val'].cumsum()

# 写法2：拆分步骤更易读
# 先生成仅New条件有值的计算列
df['calc_val'] = df['Value'].where(df['Condition'] == 'New', 0)
# 按Name分组累加
df['Cumulative Value'] = df.groupby('Name')['calc_val'].cumsum()
# 可选删除临时计算列
df.drop('calc_val', axis=1, inplace=True)

两种写法效果完全一致，运行后生成的Cumulative Value列和你给出的期望输出完全匹配。

内容的提问来源于stack exchange，提问作者tichy