滚动列值的累积总和，直到满足条件

Question

我有一个名为“df”的数据框。它看起来像这样：

    a
0   2   
1   3   
2   0   
3   5   
4   1   
5   3   
6   1   
7   2   
8   2   
9   1   

我想生成一个累计和列：

• 累加“a”列的内容；
• 直到总和为“5”；
• 当总和达到“5”时将总和重置为 0，并继续求和过程；

我希望数据框看起来像这样：

    a   a_cumm_sum
0   2   2
1   3   5
2   0   0
3   5   5
4   1   1
5   3   4
6   1   5
7   2   2
8   2   4
9   1   5

在数据框中，“a_cumm_summ”列包含累积和的结果。

有谁知道我如何做到这一点？我已经通过论坛搜索了。并且看到了类似的问题，例如this one，但它们并不符合我的确切要求。

Answer 1

你可以得到 cumsum 和 floor 除以 5。然后从下一行的累积和中减去 floor 除法的结果乘以 5：

c = df['a'].cumsum()
g = 5 * (c // 5)
df['a_cumm_sum'] = (c.shift(-1) - g).shift().fillna(df['a']).astype(int)
df
Out[1]: 
   a  a_cumm_sum
0  2           2
1  3           5
2  0           0
3  5           5
4  1           1
5  3           4
6  1           5
7  2           2
8  2           4
9  1           5

---

解决方案 #2（更强大）：

根据 Trenton 的评论，一个好的、多样化的样本数据集对于找出这类问题的牢不可破的逻辑大有帮助。我可能会在第一次使用一个好的样本数据集时提出一个更好的解决方案。这是克服特伦顿在 cmets 中提到的示例数据集的解决方案。如图所示，有更多条件需要处理，因为您必须处理结转。在大型数据集上，这仍然比 for 循环性能要好得多，但矢量化逻辑要困难得多：

df = pd.DataFrame({'a': {0: 2, 1: 4, 2: 1, 3: 5, 4: 1, 5: 3, 6: 1, 7: 2, 8: 2, 9: 1}})
c = df['a'].cumsum()
g = 5 * (c // 5)
df['a_cumm_sum'] = (c.shift(-1) - g).shift().fillna(df['a']).astype(int)
over = (df['a_cumm_sum'].shift(1) - 5)
df['a_cumm_sum'] = df['a_cumm_sum'] - np.where(over > 0, df['a_cumm_sum'] - over, 0).cumsum()
s = np.where(df['a_cumm_sum'] < 0, df['a_cumm_sum']*-1, 0).cumsum()
df['a_cumm_sum'] = np.where((df['a_cumm_sum'] > 0) & (s > 0), s + df['a_cumm_sum'],
                              df['a_cumm_sum'])
df['a_cumm_sum'] = np.where(df['a_cumm_sum'] < 0, df['a_cumm_sum'].shift() + df['a'], df['a_cumm_sum'])
df
Out[2]: 
   a  a_cumm_sum
0  2         2.0
1  4         6.0
2  1         1.0
3  5         6.0
4  1         1.0
5  3         4.0
6  1         5.0
7  2         2.0
8  2         4.0
9  1         5.0

Answer 2

分配可以与条件组合。代码如下：

import numpy as np
import pandas as pd

a = [2, 3, 0, 5, 1, 3, 1, 2, 2, 1]
df = pd.DataFrame(a, columns=["a"])
df["cumsum"] = df["a"].cumsum()
df["new"] = df["cumsum"]%5
df["new"][((df["cumsum"]/5)==(df["cumsum"]/5).astype(int)) & (df["a"]!=0)] = 5
df

输出如下：

    a   cumsum  new
0   2   2       2
1   3   5       5
2   0   5       0
3   5   10      5
4   1   11      1
5   3   14      4
6   1   15      5
7   2   17      2
8   2   19      4
9   1   20      5

工作：
基本上，对 5 的累积总和取余数。在实际总和为 5 的情况下，也变成零。因此，对于这些情况，请检查 value/5 == int(value/5)。然后，删除实际值为零的情况。

Answer 3

编辑： 正如 Trenton McKinney 在 cmets 中指出的那样，每当 cumsum 超过 5 时，OP 可能希望将其重置为 0。这使得定义成为通常难以用 pandas/numpy 实现的重复（参见 David 的解决方案）。在这种情况下，我建议使用 numba 来加快 for 循环

---

另一种选择：使用groupby

In [78]: df.groupby((df['a'].cumsum()% 5 == 0).shift().fillna(False).cumsum()).cumsum()
Out[78]:
   a
0  2
1  5
2  0
3  5
4  1
5  4
6  5
7  2
8  4
9  5

Answer 4

您可以尝试使用这个 for 循环：

lastvalue = 0
newcum = []
for i in df['a']:
    if lastvalue >= 5:
        lastvalue = i
    else:
        lastvalue += i
    newcum.append(lastvalue)
df['a_cum_sum'] = newcum
print(df)

输出：

   a  a_cum_sum
0  2          2
1  3          5
2  0          0
3  5          5
4  1          1
5  3          4
6  1          5
7  2          2
8  2          4
9  1          5

上述for循环遍历a列，当累计和为5或更多时，将其重置为0，然后加上a列的值i，但如果累计和为低于 5，它只是添加 a 列的值 i（迭代器）。