关于pandas .cumsum()的费解行为：布尔序列累加为何分段计数？

哈哈，这个操作看起来有点绕，但其实是利用了pandas的两个小特性组合出来的分组神器，我给你一步步拆解：

• 第一步：sign.shift()的偏移作用
  它会把整个sign序列往下挪一位，第一个位置会变成NaN（毕竟没有前一个元素能移过来嘛）。比如你的sign如果是[+1, +1, -1, -1, +1, ...]，偏移后就变成[NaN, +1, +1, -1, +1, ...]。

• 第二步：sign != sign.shift()的布尔判断
  这一步是逐个对比原序列和偏移后序列的元素：

  • 第一个元素和NaN比，结果是True（因为NaN和任何值都不相等，包括它自己）；
  • 后面的元素只要和前一个元素不一样，就返回True，一样就返回False。
    重点来了：pandas里布尔值会自动转成数值——True等价于1，False等价于0，这是后续累加的关键。

• 第三步：.cumsum()的累加逻辑
  累加就是把前面所有的数值依次加起来：

  • 遇到1（也就是前后元素发生变化时），总和就加1；
  • 遇到0（前后元素保持相同时），总和就维持当前数值不变。

这么一来，累加的结果就相当于给每一组连续相同的元素分配了一个专属编号——每次元素切换时编号涨1，同一组里的编号就一直固定，这就是你看到的输出效果啦！

举个对应你输出的小例子：假设你的sign序列是[+1, +1, -1, -1, +1, -1, +1, -1, +1, -1, +1, -1]，那sign != sign.shift()的结果就是[True, False, True, False, True, True, True, True, True, True, True, True]，转成1和0累加后，就正好是你给出的输出序列。

这个技巧在处理连续相同元素的分组问题时超级实用，很多时序数据的分组场景都会用到它~

内容的提问来源于stack exchange，提问作者user3556757