Pandas如何基于列X与分桶参数高效生成符合累加规则的新列

实现逻辑 #

核心采用pandas向量化截断运算，完全避免Python层面的逐行循环，支持任意数量的分桶列扩展，运行效率极高。

代码实现 #

首先导入依赖、构造示例数据：

import pandas as pd

# 示例数据
data = {'X':[0,0,10,10,10,15,20,50,50,55,80,100,1500]}
df = pd.DataFrame(data)

# 分桶配置，后续新增分桶只需要修改这个列表即可，不用调整逻辑
bucket_config = [
    ('A', 10),
    ('B', 50),
    ('C', 100),
    ('D', 300)
]

核心运算逻辑：

# 初始化剩余待分配值
remain = df['X'].copy()

for col_name, threshold in bucket_config:
    # 当前列取值为剩余值和阈值的较小值
    df[col_name] = remain.clip(upper=threshold)
    # 更新剩余待分配值
    remain -= df[col_name]

输出结果验证 #

运行后输出df即可得到和预期完全一致的结果：

效率说明 #

所有运算均调用numpy底层实现，仅遍历分桶配置的列数（而非行数），就算是百万级行数、上百个分桶列的场景，也能在毫秒级完成运算。

内容的提问来源于stack exchange，提问作者ABC