MySQL技术问询：基于二进制变量group_generator实现累加分组

你的思路完全正确——通过计算当前行之前所有group_generator的累加值来生成分组ID，刚好能匹配你需要的分组规则。下面我会用两种常用工具（SQL和Python Pandas）来具体实现这个逻辑，验证结果是否符合预期。

需求回顾 #

先明确分组规则：当group_generator为1时，该组包含此前所有group_generator为0的行及当前行。示例数据和期望分组：

Numbers group_generator
10 0
20 0
30 1
40 0
50 1
60 1
期望分组：(10,20,30)、(40,50)、(60)

1. SQL实现方案 #

核心是用窗口函数计算当前行之前所有行的group_generator累加和，作为分组ID。如果是第一行，没有前置行，累加和默认为0。

代码示例 #

SELECT 
    Numbers,
    group_generator,
    COALESCE(SUM(group_generator) OVER (ORDER BY Numbers ROWS BETWEEN UNBOUNDED PRECEDING AND 1 PRECEDING), 0) AS group_id
FROM your_table_name;

结果验证 #

执行后会得到：

这个group_id完全对应你的期望分组：group_id=0是第一组，group_id=1是第二组，group_id=2是第三组。

2. Python Pandas实现方案 #

在Pandas中，我们可以用cumsum()先计算累计和，然后通过位移（shift()）来得到当前行之前的累加值，最后填充第一行的空值为0。

代码示例 #

import pandas as pd

# 构造示例数据
data = {
    'Numbers': [10, 20, 30, 40, 50, 60],
    'group_generator': [0, 0, 1, 0, 1, 1]
}
df = pd.DataFrame(data)

# 生成分组ID：计算当前行之前的group_generator累加和
df['group_id'] = df['group_generator'].cumsum().shift(fill_value=0)

print(df)

结果输出 #

Numbers  group_generator  group_id
0       10                0       0.0
1       20                0       0.0
2       30                1       0.0
3       40                0       1.0
4       50                1       1.0
5       60                1       2.0

同样，group_id完美匹配你的分组需求，你可以用groupby('group_id')来对数据进行分组操作。

逻辑解释 #

为什么这个方法有效？

• 每遇到一个group_generator=1，它会让后续行的分组ID加1，因为累计和会增加1，位移后就变成了新的分组ID。
• 所有在两个1之间的0行，都会共享同一个分组ID，直到下一个1出现，完成一组的闭合。

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