Python 重复组上的不同分组累积和

我有以下数据帧：

    Title             start_time     Duration  Match
0   Item#1 2019-12-13 00:00:00.000    819.01   True   
2   Item#1 2019-12-13 00:13:39.010   1205.25   True   
4   Item#1 2019-12-13 00:33:44.260    972.80   True   
6   Item#1 2019-12-13 00:49:57.060    602.23  False   
9   Item#2 2019-12-13 00:59:59.290   1800.00  False   
14  Item#2 2019-12-13 01:29:59.290    533.79   True   
17  Item#2 2019-12-13 01:38:53.080    537.11   True   
20  Item#2 2019-12-13 01:47:50.190    729.10  False   
24  Item#3 2019-12-13 01:59:59.290    726.97   True   
26  Item#3 2019-12-13 02:12:06.260    569.01   True   
28  Item#3 2019-12-13 02:21:35.270    504.02  False   
32  Item#4 2019-12-13 02:29:59.290   1800.00  False   
36  Item#1 2019-12-13 02:59:59.290    776.98   True   
38  Item#1 2019-12-13 03:12:56.270   1045.81   True   
40  Item#1 2019-12-13 03:30:22.080    988.20   True   
43  Item#1 2019-12-13 03:46:50.280    789.01  False    

我想在duration列上运行一个累积和，到目前为止，我使用了以下代码行：

df.groupby（['Title']）['Duration'].cumsum（）

---

但是，我不想对时间上分开的标题项进行分组。看看上面的例子，我不想把第#1项分成两组。我该怎么做

我认为您需要按连续组分组，这意味着

Item#1

的处理过程类似于两组：

g = df['Title'].ne(df['Title'].shift()).cumsum()
df['new'] = df.groupby(g)['Duration'].cumsum()

print (df)
     Title               start_time  Duration  Match      new
0   Item#1  2019-12-13 00:00:00.000    819.01   True   819.01
2   Item#1  2019-12-13 00:13:39.010   1205.25   True  2024.26
4   Item#1  2019-12-13 00:33:44.260    972.80   True  2997.06
6   Item#1  2019-12-13 00:49:57.060    602.23  False  3599.29
9   Item#2  2019-12-13 00:59:59.290   1800.00  False  1800.00
14  Item#2  2019-12-13 01:29:59.290    533.79   True  2333.79
17  Item#2  2019-12-13 01:38:53.080    537.11   True  2870.90
20  Item#2  2019-12-13 01:47:50.190    729.10  False  3600.00
24  Item#3  2019-12-13 01:59:59.290    726.97   True   726.97
26  Item#3  2019-12-13 02:12:06.260    569.01   True  1295.98
28  Item#3  2019-12-13 02:21:35.270    504.02  False  1800.00
32  Item#4  2019-12-13 02:29:59.290   1800.00  False  1800.00
36  Item#1  2019-12-13 02:59:59.290    776.98   True   776.98
38  Item#1  2019-12-13 03:12:56.270   1045.81   True  1822.79
40  Item#1  2019-12-13 03:30:22.080    988.20   True  2810.99
43  Item#1  2019-12-13 03:46:50.280    789.01  False  3600.00

详细信息：

您可以按列比较，对于不相等组，可以按列比较，对于累积组，可以按添加：

print (df[['Title']].assign(shifted = df['Title'].shift(),
                            not_equal=df['Title'].ne(df['Title'].shift()),
                            g = df['Title'].ne(df['Title'].shift()).cumsum()))
     Title shifted  not_equal  g
0   Item#1     NaN       True  1
2   Item#1  Item#1      False  1
4   Item#1  Item#1      False  1
6   Item#1  Item#1      False  1
9   Item#2  Item#1       True  2
14  Item#2  Item#2      False  2
17  Item#2  Item#2      False  2
20  Item#2  Item#2      False  2
24  Item#3  Item#2       True  3
26  Item#3  Item#3      False  3
28  Item#3  Item#3      False  3
32  Item#4  Item#3       True  4
36  Item#1  Item#4       True  5
38  Item#1  Item#1      False  5
40  Item#1  Item#1      False  5
43  Item#1  Item#1      False  5

---

你能解释得更详细些吗？@SimonBreton-不确定是否理解这个问题，补充了一些解释和细节。是的。听起来不错。你能解释一下

.ne

和

移位

吗？