Python 按条件定义的组对数据帧求和

我有python数据帧，我想在不同的行之间求和，用数字0分隔。例如：我这里有一个DF：

data= DataFrame({'A':['a','b','c','d','e','f','g','h','i'],'B':[1,2,0,3,2,0,0,3,4]})

我想生成这个DF：

data2= DataFrame({'AA':'a','d','h'],'BB':[3,5,7]})

---

一种可能的方法是使用函数cumsum定义一些组：

data = pd.DataFrame({'A':['a','b','c','d','e','f','g','h','i'],'B':[1,2,0,3,2,0,0,3,4]})
data['groups'] = (data['B'] == 0).cumsum() 
# Out 
#    A  B  groups
# 0  a  1       0
# 1  b  2       0
# 2  c  0       1
# 3  d  3       1
# 4  e  2       1
# 5  f  0       2
# 6  g  0       3
# 7  h  3       3
# 8  i  4       3

然后，使用输出索引定义一个数组，除了第一个索引外，其他索引都位于每个组第一次出现的索引之下：

indexes = data.loc[data.drop_duplicates('groups').index.values+1]['A'].values
indexes[0] = data['A'].values[0]

最后，通过分组，对每个组的a列求和，并分配新的AA列

sum_data = data.groupby('groups').sum().assign(AA=indexes).reset_index(drop=True)
# Out
#    B AA
# 0  3  a
# 1  5  d
# 2  0  g
# 3  7  h

如果存在第[2，0，g]行会造成麻烦，则可以添加最后一行：

sum_data = sum_data[sum_data['B'] != 0]
# Out
#    B AA
# 0  3  a
# 1  5  d
# 3  7  h

---

到目前为止，您尝试了什么？我唯一能做的就是使用循环求和，当遇到0时，停止并循环下一节。在DataFrame中应该有一种更简单的方法。将“AA”列保留为“a”、“d”、“h”是否重要？@xg.plt.py是的，这很重要，在实际情况下，AA列记录日期。完美的解决方案，积数函数非常棒。。谢谢你，伙计！