如何按2年间隔计算DataFrame中Parts_needed的累积和？

看起来你需要的是基于月份周期的滚动2年累积和——每个月的Parts_needed会持续计入接下来24个月的总和，直到刚好满2年的次月就不再计入。这种带时间窗口的累积确实没法直接用np.cumsum()实现，下面给你两种可行的方案，分别适合大数据量和小数据集场景：

方案一：向量化实现（高效，适合大数据） #

核心思路是用矩阵广播快速判断每个Parts_needed值的生效时间范围，然后计算对应范围内的总和：

import pandas as pd

# 1. 先把Year和Month合并为标准日期列，方便时间计算
dfgg['date'] = pd.to_datetime(dfgg[['Year', 'Month']].assign(Day=1))

# 2. 按PartId分组计算（假设每个PartId需要单独统计，若不需要可去掉groupby）
cumulative_results = []
for part_id, group in dfgg.groupby('PartId'):
    # 确保组内数据按日期排序
    sorted_group = group.sort_values('date').reset_index(drop=True)
    
    # 生成两个布尔矩阵：
    # - date_matrix：判断当前行的日期是否早于等于目标行的日期（确保是历史数据）
    date_matrix = sorted_group['date'].values[:, None] <= sorted_group['date'].values
    # - end_date_matrix：判断当前行日期+2年是否晚于目标行日期（确保还在生效期内）
    end_dates = sorted_group['date'] + pd.DateOffset(years=2)
    end_date_matrix = end_dates.values[:, None] > sorted_group['date'].values
    
    # 两个矩阵取交集，得到每个值的生效范围
    valid_mask = date_matrix & end_date_matrix
    
    # 计算每行的累积和：用矩阵乘法快速求和
    sorted_group['cum_parts'] = sorted_group['Parts_needed'].values @ valid_mask
    cumulative_results.append(sorted_group)

# 合并结果并恢复原索引顺序
dfgg = pd.concat(cumulative_results).sort_index()

方案二：Apply实现（直观，适合小数据） #

如果你的数据集不大，用apply写逻辑会更易懂，每一步都能清晰看到筛选规则：

import pandas as pd

# 1. 同样先创建日期列
dfgg['date'] = pd.to_datetime(dfgg[['Year', 'Month']].assign(Day=1))

# 2. 定义计算单一行累积和的函数
def get_cumulative_sum(row, group_data):
    # 筛选条件：当前行的日期 >= 历史行日期，且历史行日期+2年 > 当前行日期
    valid_entries = group_data[
        (group_data['date'] <= row['date']) & 
        ((group_data['date'] + pd.DateOffset(years=2)) > row['date'])
    ]
    return valid_entries['Parts_needed'].sum()

# 3. 按PartId分组，对每行应用函数计算累积和
dfgg['cum_parts'] = dfgg.groupby('PartId').apply(
    lambda g: g.apply(get_cumulative_sum, group_data=g)
).reset_index(drop=True)

验证你的示例场景 #

以你提到的2020年2月为例：

• 2018年1月的72，它的生效结束日期是2020年1月，所以2020年2月的日期（2020-02-01）超过了这个结束日期，会被排除在求和范围外
• 此时累积和就是之前的总和（2328）加上当月的45，再减去到期的72，和你的预期完全一致

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