如何累加Pandas Series行元素直至达到指定目标数值
实现Pandas Series从首行累加匹配目标值的方案
核心思路
先预计算Series的前缀累加和数组,再针对每个目标值在累加和数组中匹配符合误差要求的位置,无需每次匹配重复计算累加和,执行效率更高。
实现代码
import pandas as pd import numpy as np # 构造示例Series data = [0.0, 0.015, 0.03, 0.045, 0.06, 0.075, 0.09, 0.105, 0.12, 0.135, 0.15, 0.165, 0.18, 0.195, 0.21, 0.225, 0.24, 0.255, 0.27, 0.285, 0.3, 0.315, 0.33, 0.345, 0.36, 0.375, 0.39, 0.405, 0.42, 0.435, 0.45, 0.465, 0.48, 0.495, 0.51, 0.525, 0.54, 0.555, 0.57, 0.585, 0.6, 0.615, 0.63, 0.645, 0.66, 0.675, 0.69, 0.705, 0.72, 0.735, 0.75, 0.765, 0.78, 0.795, 0.81, 0.825] s = pd.Series(data) # 预计算前缀累加和 cumsum_s = s.cumsum() # 匹配函数:输入目标值,返回匹配的最后一个元素的索引(从0开始) def find_match_pos(target, cumsum_arr, rtol=1e-05, atol=1e-08): # 优先匹配误差范围内相等的位置 match_mask = np.isclose(cumsum_arr, target, rtol=rtol, atol=atol) if match_mask.any(): return match_mask.idxmax() # 无相等匹配时,返回最接近目标值的位置,若需要取第一个大于等于目标值的位置,替换为下方代码: # return (cumsum_arr >= target).idxmax() return (cumsum_arr - target).abs().idxmin()
测试示例
targets = [0.19798863694528301, 3.79478220811793] for t in targets: pos = find_match_pos(t, cumsum_s) print(f"目标值:{t}") print(f"匹配位置:前{pos+1}个元素,最后一个元素索引为{pos}") print(f"实际累加和:{cumsum_s[pos]}\n")
输出结果
目标值:0.19798863694528301 匹配位置:前6个元素,最后一个元素索引为5 实际累加和:0.225 目标值:3.79478220811793 匹配位置:前23个元素,最后一个元素索引为22 实际累加和:3.795
注意事项
- 浮点数存在精度误差,不要直接用
==判断相等,可根据业务需求调整rtol(相对误差)和atol(绝对误差)的阈值 - 如果需求是累加和首次超过目标值就停止,可替换
find_match_pos内的匹配逻辑为返回第一个大于等于目标值的位置 - 返回的索引从0开始计数,如需统计累加的元素总数直接索引值+1即可
内容的提问来源于stack exchange,提问作者Omer Ali
相关产品推荐
相关产品推荐

