pandas groupby场景下如何实现列反向累计求和，统计分组内后续Score为1的数量

你需要对分组内的序列先反转做累计求和，再还原顺序后扣除当前行的Score值，即可得到当前行之后同组Score为1的总数量，代码如下：

# 通用写法，兼容所有pandas版本
data['Sum'] = data.groupby('SubjectID copy')['Score'].apply(
    lambda x: x[::-1].cumsum()[::-1] - x
)

逻辑说明 #

1. 按SubjectID copy分组后，先把每个分组内的Score序列反转，调用cumsum()做正序累计求和
2. 把累计求和的结果再次反转，得到的是当前行+当前行之后所有行的Score总和
3. 减去当前行的Score值，就排除了当前行本身的计数，仅统计后续行的Score=1的总数量，完全匹配你给出的示例结果。

如果你的数据集行数较多，可以用transform替代apply提升运行效率：

# 性能优化版，适合万行以上规模的数据集
data['Sum'] = data.groupby('SubjectID copy')['Score'].transform(
    lambda s: s.iloc[::-1].cumsum().iloc[::-1]
) - data['Score']

内容的提问来源于stack exchange，提问作者Guitarman045</think_never_used_51bce0c785ca2f68081bfa7d91973934># 实现方案
你需要对分组内的序列先反转做累计求和，再还原顺序后扣除当前行的Score值，即可得到当前行之后同组Score为1的总数量，代码如下：

# 通用写法，兼容所有pandas版本
data['Sum'] = data.groupby('SubjectID copy')['Score'].apply(
    lambda x: x[::-1].cumsum()[::-1] - x
)

逻辑说明 #

1. 按SubjectID copy分组后，先把每个分组内的Score序列反转，调用cumsum()做正序累计求和
2. 把累计求和的结果再次反转，得到的是当前行+当前行之后所有行的Score总和
3. 减去当前行的Score值，就排除了当前行本身的计数，仅统计后续行的Score=1的总数量，完全匹配你给出的示例结果。

大数据量优化写法 #

如果你的数据集行数较多，可以用transform替代apply提升运行效率：

# 高版本pandas性能优化版
data['Sum'] = data.groupby('SubjectID copy')['Score'].transform(
    lambda s: s.iloc[::-1].cumsum().iloc[::-1]
) - data['Score']

内容的提问来源于stack exchange，提问作者Guitarman045