Python/Pandas：条件求和

我正在处理一个大型数据集，在为以下任务编码条件时遇到问题：

下面是一个与我自己的问题类似的例子。我试图计算物质在介质中的传播速度。每年，对于每个id，将一种物质插入培养基中。目标是计算每次插入的“到达年份”。每年以[%]为单位计算每种介质中物质的移动距离

我的数据集看起来类似于以下内容：

import pandas as pd
ids = [1,1,1,1,1,1,2,2,2,2,2,2,3,3,3,3,3,3]
year= [2000,2001,2002,2003,2004,2005,2000,2001,2002,2003,2004,2005,2000,2001,2002,2003,2004,2005]
traveldistance = [120,70,37,40,50,110,140,100,90,5,52,80,60,40,70,60,50,110]

dictex ={"id":ids,"year of insertion":year,"travel distance [%]": traveldistance}
dfex = pd.DataFrame(dictex)

print(dfex)
    medium id  year of insertion  travel distance [%]
0           1               2000                  120
1           1               2001                   70
2           1               2002                   37
3           1               2003                   40
4           1               2004                   50
5           1               2005                  110
6           2               2000                  140
7           2               2001                  100
8           2               2002                   90
9           2               2003                    5
10          2               2004                   52
11          2               2005                   80
12          3               2000                   60
13          3               2001                   40
14          3               2002                   70
15          3               2003                   60
16          3               2004                   50
17          3               2005                  110

有几个条件需要考虑：

物质不能在插入介质的年份开始移动（即，2000年插入的物质只能在2001年开始移动）。因此，在本例中，2005年插入的物质无法在观察到的时间范围内到达目的地

到达年份的计算方法是将随后年份的旅行距离[%]相加。一旦到达行程>=100%，则物质已到达介质另一侧的目的地。那一年是到达的年份，应该添加到新的列中

如果在观察的时间跨度内行驶距离未达到100%，则结果应为[NaN]

例如：

a） 对于medium id==1，插入的第一年是2000年。然后，该物质在2001年开始传播，并在70%的介质中传播。在2002年，它又移动了37%：70+37=107%>=100%，因此第一种物质的到达年份是2002年

b） 在2001年，第二种物质插入介质id==1。它于2002年开始传播，传播范围占媒体的37%。在2003年，它又经历了40%：37+40=77%<100% 2004年，物质通过50%的介质：37+40+50=127%>=100%，因此第二种物质的到达年份为2004年

结果应该如下所示：

     medium id  year of insertion  travel distance [%]  Year of arrival
0           1               2000                  120           2002.0
1           1               2001                   70           2004.0
2           1               2002                   37           2005.0
3           1               2003                   40           2005.0
4           1               2004                   50           2005.0
5           1               2005                  110              NaN
6           2               2000                  140           2001.0
7           2               2001                  100           2004.0
8           2               2002                   90           2005.0
9           2               2003                    5           2005.0
10          2               2004                   52              NaN
11          2               2005                   80              NaN
12          3               2000                   60           2002.0
13          3               2001                   40           2003.0
14          3               2002                   70           2004.0
15          3               2003                   60           2005.0
16          3               2004                   50           2005.0
17          3               2005                  110              NaN

---

任何帮助都将不胜感激

我不知道有任何内置方法针对这种特定情况。但是这里有一个带有

apply

和一些numpy处理的解决方案

def rolling_fwd_idx_over(df, group_by_cols, value_col, target_col, cutoff=100):
    def find_cross(group):
        travel = group[value_col].to_numpy()
        travel = np.broadcast_to(travel, (travel.size, travel.size))
        travel = np.triu(travel, 1).cumsum(axis=1)
        idx = np.argmax(travel >= cutoff, axis=1)
        out = np.where(
            travel[range(travel.shape[0]), idx] >= cutoff,
            group[target_col].to_numpy()[idx],
            np.nan
        )
        return out
    
    df['result'] = (
        df.groupby(group_by_cols).apply(find_cross).explode()
            .reset_index(drop=True)
    )
    return df

把它当作

dfex = rolling_fwd_idx_over(
    dfex, 'id', 'travel distance [%]', 'year of insertion')
dfex.rename(columns={'result': 'Year of arrival'}, inplace=True)

输出

    id  year of insertion  travel distance [%] Year of arrival
0    1               2000                  120            2002
1    1               2001                   70            2004
2    1               2002                   37            2005
3    1               2003                   40            2005
4    1               2004                   50            2005
5    1               2005                  110             NaN
6    2               2000                  140            2001
7    2               2001                  100            2004
8    2               2002                   90            2005
9    2               2003                    5            2005
10   2               2004                   52             NaN
11   2               2005                   80             NaN
12   3               2000                   60            2002
13   3               2001                   40            2003
14   3               2002                   70            2004
15   3               2003                   60            2005
16   3               2004                   50            2005
17   3               2005                  110             NaN

---

你能详细说明第（2）点吗？入境年份如何计算？带示例的步骤将有帮助谢谢您的反馈，我添加了一个示例进行说明！请注意，您的示例数据具有

traveldistance=[120,70,37,40,20，…

但是您打印的数据框中有

2004:50

而不是最后的

20

，请在发布/编辑数据框之前检查代码question@RichieV谢谢你的回答！我编辑了一次示例，肯定没有找到那个值。现在要尝试你的解决方案，谢谢你花时间和精力回复！没有担忧，我喜欢挑战作为一种训练，我们最终都会收获