Python 向方程式中添加一个新值，直到满足条件为止

我一直在为方程添加新值，所以欢迎任何帮助

假设我有这样的数据帧：

   Name| A | B |
     A | 30| 0 |  
     A | 15| 5 |  
     B | 10| 5 |  
     A | 94| 40|
     B | 30| 40|  
     A | 15|125|
     A | 3 |150|

for a in df['Name']:
c = 0.1
shift = 1
sum = df[df['Name']=='A']['A'] - df[df['Name']=='A']['B'].shift(-1)*c + df[df['Name']=='A']['A'].shift(-shift)
while sum >0:
    shift=+1
    sum = sum+df[df['Name']=='A']['A'].shift(-shift)

和

c=0.01

我想复制下一条规则：

A1[A]-A2[B]*c+A2[A]+…+An

，而

>0

。因此，由于

A1[A]-A2[B]*c+A2[A]>0

在下一步，必须将

A3[A]

添加到初始方程中，依此类推，直到满足条件为止 但我不知道如何在等式的末尾加上一个

目前，我的代码如下所示：

   Name| A | B |
     A | 30| 0 |  
     A | 15| 5 |  
     B | 10| 5 |  
     A | 94| 40|
     B | 30| 40|  
     A | 15|125|
     A | 3 |150|

for a in df['Name']:
c = 0.1
shift = 1
sum = df[df['Name']=='A']['A'] - df[df['Name']=='A']['B'].shift(-1)*c + df[df['Name']=='A']['A'].shift(-shift)
while sum >0:
    shift=+1
    sum = sum+df[df['Name']=='A']['A'].shift(-shift)

代码中的问题是，我只对每对A-s进行了计算，结果是

0.44.5
1105.0
396.5
5.4.0
6南

当总和大于0时，我需要程序继续将第n个A值添加到初始方程中，您可以执行以下操作：

# extract the name A
dfA = df[df.Name=='A']

# compute cumulative sum of A1[A] - A2[B]
s = dfA['A'].sub(dfA['B'].shift(-1).mul(-c).fillna(0)).cumsum()

# find the last positive value
# might need to check if there is one
s[s.le(0).cumsum().eq(0)].iloc[-1]

输出：

160.2

情况1：如果

A[B]

的第一个值如示例中所示为0。

s = ( A['A'].sub(A['B'].mul(c))
            .where(A.index <2,A['A'])
            .cumsum() )
print(s)
0     30.0
1     44.5
2    138.5
3    153.5
4    156.5
dtype: float64

输出

156.5

---

是否只使用名称为A的行？@ansev是。带B的行仅表示可以有其他记录，但仅当您想要

A1[A]-A2[B]*c+A2[A]-A3[B]*c+A3[A]..

？@ansev nope时才需要。A1[A]-A2[B]*c+A2[A]+A3[A]+A4[A]……你能提供更多的上下文吗？我不太明白。这是一个怎样的等式？为什么要使用Pandas数据框？我认为这里的问题是，检查是在偶数条件下进行的，为什么使用属性样式的列访问而不是

[]

？这对我来说并不重要

[]

访问更安全，例如，如果您有一个名为

count

的列，则

df.count

不会提供该列。

156.5