Python 基于行值迭代地重新计算表中列的值

我有一个熊猫数据帧

df

：

import pandas as pd
df = pd.DataFrame({'item':[1,1,1,1,1,1,2,2,2,2,2,2],
               'date':['2017-03-27','2017-04-03','2017-04-10','2017-04-17','2017-04-24','2017-05-01', '2017-03-27','2017-04-03','2017-04-10','2017-04-17','2017-04-24','2017-05-01'],
               'sls':[3,4,5,3,2,3,5,6,10,4,5,2],
               'prc':[0,2,0,1,1,7,2,4,0,1,1,1],
               'stk':[7,0,0,0,0,0,12,0,0,0,0,0]})

这看起来像：

项目日期sls中国stk
0      1  2017-03-27    3    0    7
1      1  2017-04-03    4    2    0
2      1  2017-04-10    5    0    0
3      1  2017-04-17    3    1    0
4      1  2017-04-24    2    1    0
5      1  2017-05-01    3    7    0
6      2  2017-03-27    5    2   12
7      2  2017-04-03    6    4    0
8      2  2017-04-10   10    0    0
9      2  2017-04-17    4    1    0
10     2  2017-04-24    5    1    0
11     2  2017-05-01    2    1    0

我想计算列

stk

的值，除了每个

项目的第一条记录之外

我用计算值创建了另一列stock：

def f(g):
g.stk = (g.stk.shift() + g.prc - g.sls).cumsum()
return g

df['stock'] = df.stk.replace(0, df.groupby('item').apply(f).stk)

因此，我更新的数据框架变成：


项目日期sls中国stk库存
0      1  2017-03-27    3    0    7      7
1      1  2017-04-03    4    2    0      5
2      1  2017-04-10    5    0    0      0
3      1  2017-04-17    3    1    0     -2
4      1  2017-04-24    2    1    0     -3
5      1  2017-05-01    3    7    0      1
6      2  2017-03-27    5    2   12     12
7      2  2017-04-03    6    4    0     10
8      2  2017-04-10   10    0    0      0
9      2  2017-04-17    4    1    0     -3
10     2  2017-04-24    5    1    0     -7
11     2  2017-05-01    2    1    0     -8

但是我不想在
stock
列中出现负值。因此，我如何进行迭代计算，如果对于
项目
组，如果
库存
列中的记录中存在负值，则必须将该数字添加到第一个记录中的值，然后再次进行计算。直到没有更多的负值

中的
stock
列计算为（stk-1）时的值-sls时的值+prc时的值

我的预期输出如下所示：


项目日期sls中国stk库存
0      1  2017-03-27    3    0    7     10
1      1  2017-04-03    4    2    0      8
2      1  2017-04-10    5    0    0      3
3      1  2017-04-17    3    1    0      1
4      1  2017-04-24    2    1    0      0
5      1  2017-05-01    3    7    0      4
6      2  2017-03-27    5    2   12     20
7      2  2017-04-03    6    4    0     18
8      2  2017-04-10   10    0    0      8
9      2  2017-04-17    4    1    0      5
10     2  2017-04-24    5    1    0      1
11     2  2017-05-01    2    1    0      0

如何在熊猫中执行相同操作？
按原样执行，然后将最小负值添加到列中

df = pd.DataFrame({'item':[1,1,1,1,1,1,2,2,2,2,2,2],
               'date':['2017-03-27','2017-04-03','2017-04-10','2017-04-17','2017-04-24','2017-05-01', '2017-03-27','2017-04-03','2017-04-10','2017-04-17','2017-04-24','2017-05-01'],
               'sls':[3,4,5,3,2,3,5,6,10,4,5,2],
               'prc':[0,2,0,1,1,7,2,4,0,1,1,1],
               'stk':[7,0,0,0,0,0,12,0,0,0,0,0]})

def f(g):
    g.stk = (g.stk.shift() + g.prc - g.sls).cumsum()
    return g

df['stock'] = df.stk.replace(0, df.groupby('item').apply(f).stk)
df['stock'] = df.groupby('item')['stock'].apply(lambda x: x - x.min() if x.min() < 0 else 0) 


df=pd.DataFrame（{'item'：[1,1,1,1,1,2,2,2,2]，
‘日期’：[‘2017-03-27’、‘2017-04-03’、‘2017-04-10’、‘2017-04-17’、‘2017-04-24’、‘2017-05-01’、‘2017-03-27’、‘2017-04-03’、‘2017-04-10’、‘2017-04-17’、‘2017-04-24’、‘2017-05-01’]，
“sls”：[3,4,5,3,2,3,5,6,10,4,5,2]，
“prc”：[0,2,0,1,1,7,2,4,0,1,1,1]，
‘stk’：[7,0,0,0,0,0,12,0,0,0,0,0]}）
def f（g）：
g、 stk=（g.stk.shift（）+g.prc-g.sls）.cumsum（）
返回g
df['stock']=df.stk.replace（0，df.groupby（'item'）。apply（f.stk）
df['stock']=df.groupby（'item'）['stock'].apply（lambda x:x-x.min（），如果x.min（）小于0，则为0）
快速解决方案：

df['stock'] -= (df.groupby('item').stock
                  .transform(lambda x: x.min() if x.min()<0 else 0)

df['stock']-=（df.groupby（'item'）.stock
.transform（lambda x:x.min（）如果x.min（）可以尝试运行解决方案吗，第一组的值出现错误对不起，忘记了groupby df['stock']=df.groupby（'item'）['stock']）。应用（lambda x:x-x.min（）如果x.min（）<0，则0）