基于ID与上一行数据计算并填充DataFrame的Start Value

没问题，我来帮你搞定这个需求！我们需要按ID分组，对每组内的日期行进行递推计算：首日保留初始Start Value，之后每天的Start Value等于前一天的Start Value减去前一天的Payment。下面是具体实现步骤：

1. 构造标准DataFrame #

首先把你提供的数据转换成Pandas可处理的格式（补充缺失的列值，非首日的Start Value设为NaN，Payment列补全）：

import pandas as pd

data = {
    'ID': [111, 111, 111, 111, 111, 222, 222, 222, 222, 222, 222, 222],
    'Date': ['1/1/2018', '1/2/2018', '1/3/2018', '1/4/2018', '1/5/2018',
             '4/1/2018', '4/2/2018', '4/3/2018', '4/4/2018', '4/5/2018', '4/6/2018', '4/7/2018'],
    'Start Value': [1000, None, None, None, None, 2000, None, None, None, None, None, None],
    'Payment': [0, 100, 500, 400, 0, 200, 100, 700, 0, 0, 1000, 0]
}

df = pd.DataFrame(data)
# 转换日期格式并确保分组内按时间排序（关键！避免计算顺序错误）
df['Date'] = pd.to_datetime(df['Date'])
df = df.sort_values(['ID', 'Date']).reset_index(drop=True)

2. 核心计算逻辑 #

我们可以用两种方式实现：一种是直观的遍历递推，适合理解；另一种是向量化计算，适合大数据集。

方式一：遍历递推（逻辑清晰） #

定义一个分组处理函数，对每个ID组逐行计算：

def fill_start_value(group):
    # 获取组内首日的初始Start Value
    initial_start = group['Start Value'].iloc[0]
    start_values = [initial_start]
    
    # 从第二行开始递推计算
    for i in range(1, len(group)):
        prev_start = start_values[i-1]
        prev_payment = group['Payment'].iloc[i-1]
        current_start = prev_start - prev_payment
        start_values.append(current_start)
    
    group['Start Value'] = start_values
    return group

# 应用到每个ID分组
df_filled = df.groupby('ID', group_keys=False).apply(fill_start_value)

方式二：向量化计算（高效快速） #

利用cumsum实现累计求和，避免循环，速度更快：

def fill_start_value_vectorized(group):
    # 计算Payment的累计和，偏移1位（取前序Payment的累计），初始位置填充0
    payment_cumsum = group['Payment'].cumsum().shift(1).fillna(0)
    # 初始值减去前序Payment的累计和
    group['Start Value'] = group['Start Value'].iloc[0] - payment_cumsum
    return group

df_filled = df.groupby('ID', group_keys=False).apply(fill_start_value_vectorized)

3. 查看结果 #

运行后打印df_filled，会得到填充完成的DataFrame：

ID       Date  Start Value  Payment
0   111 2018-01-01        1000.0        0
1   111 2018-01-02        1000.0      100
2   111 2018-01-03         900.0      500
3   111 2018-01-04         400.0      400
4   111 2018-01-05           0.0        0
5   222 2018-04-01        2000.0      200
6   222 2018-04-02        1800.0      100
7   222 2018-04-03        1700.0      700
8   222 2018-04-04        1000.0        0
9   222 2018-04-05        1000.0        0
10  222 2018-04-06        1000.0     1000
11  222 2018-04-07           0.0        0

注意事项 #

• 一定要确保每个ID组内的行是按日期顺序排列的，否则递推计算会出错，所以我们提前做了排序处理。
• 如果你的原始数据已经是按ID和日期排序的，可以跳过sort_values步骤，但建议保留以避免潜在问题。

内容的提问来源于stack exchange，提问作者qqqwww