Python Pandas：基于另一列上一行值的条件总和

我想对一列求和，但求和前每行的值必须与另一列的值进行检查，如果另一列的值较小，则该值相加，而不是第一列的前一行。考虑这个数据框：

df = pd.DataFrame({'X': [0,1,0,1,1,0,0,0,0,1,1,1,0,1], 'Y': [0, 0, 1, 1, 1, 2, 3, 4, 4, 4, 4, 4, 5, 5]})
    X   Y
0   0   0
1   1   0
2   0   1
3   1   1
4   1   1
5   0   2
6   0   3
7   0   4
8   0   4
9   1   4
10  1   4
11  1   4
12  0   5
13  1   5

现在，我想求和X，但是如果Y小于前一行中的X，它将相加而不是X。例如，X的第二行的和结果是1，但是因为Y的第二行中的0小于1，我们将替换它。那么第三行的总和将是0而不是1。 我使用“for loop”编写了如下代码，但对于大型数据集来说，它根本没有效率：

df['Z'] = 0
for index in range(1,len(df)):
    df.loc[index, 'Z'] = min(df.loc[index, 'X']+df.loc[index-1, 'Z'], df.loc[index, 'Y'])

Z的预期结果是：

    X   Y   Z
0   0   0   0
1   1   0   0
2   0   1   0
3   1   1   1
4   1   1   1
5   0   2   1
6   0   3   1
7   0   4   1
8   0   4   1
9   1   4   2
10  1   4   3
11  1   4   4
12  0   5   4
13  1   5   5

如果有人能建议一种更有效的方法，我将不胜感激。

由于您的“专业化cumsum”的结果取决于之前的结果， 不能使用实际的累积和函数

相反，你应该使用一个“带记忆”的函数（记住 上一个返回值）并在下一次调用中使用它（对于 下一行）

第0行是一种特殊情况。因为对于第0行，没有以前的 Z列的值，即使在代码中，您也为 第一行为0，所以我在函数中也做了同样的操作（见下文）

其他行将根据您的算法进行计算

要计算“专用总和”，请定义以下函数：

def myCumSum(row):
    if row.name == 0:
        myCumSum.prev = 0
    else:
        myCumSum.prev = min(row.X + myCumSum.prev, row.Y)
    return myCumSum.prev

关于row.name的一点解释：它实际上是 当前行和我的解决方案依赖于源数据帧 具有默认索引，即从0开始的连续数字

然后将其应用于每一行，并将结果保存在新列（Z）中：

结果是：

    X  Y  Z
0   0  0  0
1   1  0  0
2   0  1  0
3   1  1  1
4   1  1  1
5   0  2  1
6   0  3  1
7   0  4  1
8   0  4  1
9   1  4  2
10  1  4  3
11  1  4  4
12  0  5  4
13  1  5  5

由于您的“专用累计”结果取决于之前的结果， 不能使用实际的累积和函数

相反，你应该使用一个“带记忆”的函数（记住 上一个返回值）并在下一次调用中使用它（对于 下一行）

第0行是一种特殊情况。因为对于第0行，没有以前的 Z列的值，即使在代码中，您也为 第一行为0，所以我在函数中也做了同样的操作（见下文）

其他行将根据您的算法进行计算

要计算“专用总和”，请定义以下函数：

def myCumSum(row):
    if row.name == 0:
        myCumSum.prev = 0
    else:
        myCumSum.prev = min(row.X + myCumSum.prev, row.Y)
    return myCumSum.prev

关于row.name的一点解释：它实际上是 当前行和我的解决方案依赖于源数据帧 具有默认索引，即从0开始的连续数字

然后将其应用于每一行，并将结果保存在新列（Z）中：

结果是：

    X  Y  Z
0   0  0  0
1   1  0  0
2   0  1  0
3   1  1  1
4   1  1  1
5   0  2  1
6   0  3  1
7   0  4  1
8   0  4  1
9   1  4  2
10  1  4  3
11  1  4  4
12  0  5  4
13  1  5  5