本文介绍如何使用 Pandas 对 DataFrame 按时间/序号维度动态累积统计分类活动（如运动项目），确保每一行反映截至该时间点的精确累计频次，适用于学生活动记录、用户行为轨迹等场景。
本文介绍如何使用 pandes 对 dataframe 按时间/序号维度动态累积统计分类活动（如运动项目），确保每一行反映截至该时间点的精确累计频次，适用于学生活动记录、用户行为轨迹等场景。
在分析时序型分类行为数据（例如学生每年选择的运动项目）时，一个常见但易被忽视的需求是：每一行不仅记录当次选择，还需体现“截至当前访问次数”的历史累计经验。例如，Mike 第 3 年首次尝试羽毛球，那么从第 3 行开始，Badminton 列应变为 1；第 4 行仍为 1（尚未再次选择），第 5 行若选择游泳，则 Swimming 变为 1，而 Football 和 Badminton 保持已有累计值（3 和 1）。这本质上是一个按分组（如 Name）+ 按自然顺序（Nr）的累计计数问题，而非简单的一次性赋值。
核心思路是：将 Activity 列进行 one-hot 编码，生成临时的二值矩阵（每列对应一个运动项目，选中则为 1，否则为 0），再按学生分组（groupby('Name')）对各项目列执行 cumsum() —— 这能严格保证累计值随行序递增，且仅累加该学生自身的记录。
以下是完整实现代码：
import pandas as pd
# 示例输入数据
df = pd.DataFrame({
'Name': ['Mike', 'Mike', 'Mike', 'Mike', 'Mike'],
'Nr': [1, 2, 3, 4, 5],
'Activity': ['Football', 'Football', 'Badminton', 'Football', 'Swimming'],
'Football': [0, 0, 0, 0, 0],
'Badminton': [0, 0, 0, 0, 0],
'Swimming': [0, 0, 0, 0, 0]
})
# 方案一：原地更新（要求目标列已存在）
df.update(pd.get_dummies(df['Activity']).groupby(df['Name']).cumsum())
# 方案二：若原始 DataFrame 不含 Sport 列，直接拼接新列
# out = df.join(pd.get_dummies(df['Activity']).groupby(df['Name']).cumsum())
✅ 关键说明：
- pd.get_dummies(df['Activity']) 将 Activity 转为宽表形式（如 Football, Badminton, Swimming 各一列，值为 0/1）；
- .groupby(df['Name']).cumsum() 确保每个学生独立累计，且严格按原始 DataFrame 行顺序（即 Nr 升序）累加，无需显式排序——前提是你的数据已按 Nr 排好；
- df.update(...) 是就地更新，仅覆盖同名列，不改变原始结构；join 方式则更安全，适合列未预定义的场景。
⚠️ 注意事项：
- 若 Nr 列未排序，请先执行 df = df.sort_values(['Name', 'Nr']).reset_index(drop=True)，否则 cumsum() 结果将错乱；
- 若 Activity 存在多值（如 'Football|Swimming'），请改用 df['Activity'].str.get_dummies(sep='|')；
- 此方法天然支持多人（如多个 Name），groupby('Name') 自动隔离各人累计路径；
- 性能高效，避免 apply 或循环，充分利用 Pandas 向量化操作。
该模式不仅适用于夏令营运动统计，还可拓展至用户产品功能使用频次追踪、员工技能认证累积、设备维护历史汇总等所有「分类行为 + 时间序列 + 分组累计」场景。
