Pandas DataFrame中ID的历史True标记累计计数实现求助

嘿，这个问题的核心其实是按ID分组后做累计求和，你之前可能没用到分组操作，所以结果没达到预期。我一步步给你讲清楚怎么实现：

首先，先还原你的DataFrame：

import pandas as pd

df = pd.DataFrame({
    'date': ['Apr1', 'Apr2', 'May1', 'May1', 'May2'],
    'ID': [1, 2, 1, 1, 1],
    'flag': [True, True, True, False, True]
})

关键步骤：分组后累计求和 #

你需要先按ID分组，然后对flag列做累计求和——因为pandas会自动把True识别为1，False识别为0，所以cumsum()会帮你统计到当前行为止，该ID的flag为True的总次数，不管当前行的flag是啥。

代码如下：

# 可选但推荐：把date转为日期类型，确保排序逻辑正确
df['date'] = pd.to_datetime(df['date'], format='%b%d')

# 核心操作：按ID分组，计算累计True数量
df['count'] = df.groupby('ID')['flag'].cumsum()

验证结果 #

运行后你会得到完全符合预期的结果：

为什么你之前的尝试没成功？ #

大概率是没用到groupby('ID')，直接全局做了cumsum()，这样会把所有ID的True数量混在一起统计，而不是每个ID单独计算。加上分组后，每个ID的累计计数就会独立计算啦。

内容的提问来源于stack exchange，提问作者yang