每当列中遇到0时，Python都会使用上一个值求和

我有一个pandas列，当它中遇到0时，我想使用上一个值对它进行求和。通过这个例子会更清楚-

ds = pd.DataFrame([0,1,2,3,4,50,0,1,3,5,55,0,5], columns = ['a'])

print(ds)

    a
0   0
1   1
2   2
3   3
4   4
5   50
6   0
7   1
8   3
9   5
10  55
11  0
12  5

输出应该是-

    a
0   0
1   1
2   2
3   3
4   4
5   50
6   50
7   51
8   53
9   55
10  105
11  105
12  110

---

尝试使用

shift

然后使用

where

将所有非0屏蔽为

NaN

，然后执行

cumsum

，因为您需要再次添加前一个填充值

df.a = df.a.add(df.a.shift().where(df.a.eq(0)).cumsum().ffill(),fill_value=0)
Out[132]: 
0       0.0
1       1.0
2       2.0
3       3.0
4       4.0
5      50.0
6      50.0
7      51.0
8      53.0
9      55.0
10    105.0
11    105.0
12    110.0
Name: a, dtype: float64

---

可以利用

.diff（-1）

直接获得条纹结束位置（50和55）：

• 首先，将

  .diff（-1）

  放入

  .where（）

  以保留条纹结束元素，同时用0填充其他元素
• 其次，执行

  cumsum（）

  ，使用

  fill_value=0将结果向前移动1，并将其添加到原始数据中

代码：

结果:

print(ds)
      a
0     0
1     1
2     2
3     3
4     4
5    50
6    50
7    51
8    53
9    55
10  105
11  105
12  110

---

不错，另一种方法可以是使用

mask

-

ds.add（ds.mask（ds['a'].shift（-1.ne（0））.shift（1.cumsum（）.ffill（）.fillna（0））

print(ds)
      a
0     0
1     1
2     2
3     3
4     4
5    50
6    50
7    51
8    53
9    55
10  105
11  105
12  110