Python 几列上的cumsum（）

我要创建以下数据帧：

Index       A        B        C
 a          0        0        0
 b          1       10        0
 c         -1        0      -10
 d          1       20        0
 e          0        0        0
 f         -1        0      -20
 g          0        0        0
 h          1       15        0
 i         -1        0      -15

给出了

A

和

B

<代码>C应通过函数生成，无需迭代。可能以这种方式：

def generate_C():
    C = np.where(A == -1, << here prior value from B * -1 >>, 0)
    df['C] = C
    return df

def generate_C（）：
C=np，其中（A==-1，>，0）
df['C]=C
返回df

我尝试通过cumsum（）访问

B

和

C

列，但没有成功。有什么建议吗？

试试：

df.C = (df.B.replace(0, np.nan).ffill().shift() * (df.A == -1) * -1).fillna(0)

---

确认了耶斯雷尔的建议：

df.C = (df.B.replace(0, np.nan).ffill() * (df.A == -1) * -1).fillna(0)

df.C = np.where(df.A==-1, -df.B.replace(0, method='ffill').shift(), 0)

同样有效。因为我们是向前填充，所以这种转换变得不必要了

确认上校的建议：

df.C = (df.B.replace(0, np.nan).ffill() * (df.A == -1) * -1).fillna(0)

df.C = np.where(df.A==-1, -df.B.replace(0, method='ffill').shift(), 0)

---

同样有效，如果将其作为答案和我的选择发布，我的投票将成为我的选择。

在

numpy

中很容易做到，但我还没有找到一种方法直接在

pandas

中找到，因为显然

pandas

忽略了奇特的索引：

def generate_C(df, inplace=False):
    import numpy

    if not inplace:
        df = df.copy()

    A, B = df.values.T
    C = numpy.zeros_like(A)
    C[A==-1] = -B[A==1]
    df['C'] = C

    return df

---

编辑： 我找到了一种使用纯熊猫的方法：

def generate_C(df, inplace=False):
    if not inplace:
        df = df.copy()

    df['C'] = (-df.B[df.A==1]).reindex(df.A[df.A==-1].index,method='pad')
    df['C'].fillna(0, inplace=True)

    return df

您可以使用：

df.loc[df.A==-1, 'C'] = (-df.loc[df.A==1, 'B']).values
df.C.fillna(0, inplace=True)
print (df)
       A   B    C   
Index                 
a      0   0   0.0
b      1  10   0.0
c     -1   0 -10.0
d      1  20   0.0
e      0   0   0.0
f     -1   0 -20.0

---

你的问题很有趣。但是，我不理解与

cumsum

的关系。我认为您可以向数据帧添加更多值，因为不清楚为什么需要使用

cumsum

。我考虑使用cumsum（），因为B和C上的cumsum（）应该导致B列中剩余的正值。例如，在C行：cumsum（）B和C上方（从a行到B行）为+10。在Excel中，我会使用这样的=IF（A7=-1；SUM（$B$2:C6）*-1；0）。我还是不明白。如果有可能在

B

？@jezrael列中增加更多的价值，则肯定欢迎另一种解决方案。这只是一个较大数据帧的一部分，其中所有组件都是通过函数生成的。因此，C的生成也应该是函数的一部分。编辑：添加了一些行，我认为可以省略

（df.B.replace（0，np.nan）.ffill（）*（df.A==-1）*-1）。fillna（0）

或者对于OP:

np.where（df.A==-1，-df.B.replace（0，method='ffill'）.shift（），0）

。与其使用NA，不如更简洁地说，'希望填充0值。“这听起来像是一个等待着发生的答案。我不知道您可以将

method='ffill'

传递到

replace

。太酷了！我认为这是一个简单的答案。“但是它和你的没什么不同，所以我不会把它发出去。”上校，这一行很有趣。我仍然需要测试列A和所有其他列（未全部显示）的生成在多大程度上受到shift和ffill的影响。在过去的版本中，我在函数和矢量化设计中使用shift（）时也遇到了一些问题。这看起来尽可能接近我发布的内容，显然这是在

熊猫

中最具可读性的方法。我认为如果有人坚持使用纯熊猫，这应该是最好的方法。谢谢。我认为所有的解决方案都很好。也许你可以编辑答案，这样它就不会生成列

C2

，而不是

C

。乍一看，我对该方法需要一个“helper”列感到有点惊讶，但在阅读代码后，很明显情况并非如此。@jezrael，这个解决方案看起来接近我所寻找的。需要检查如何在函数中解释这一点，并查看A列的生成是否受到影响（因为它间接依赖于C的结果，我之前没有提到这一点，因为我不希望我的问题导致相当复杂的解决方案）