Pandas 中基于日期顺序与标签条件的分组累计求和实现-Python教程-PHP中文网

Pandas 中基于日期顺序与标签条件的分组累计求和实现

本文介绍如何在 Pandas 中按时间顺序（DateTime）对数据进行排序后，分别计算满足 Tag != 2 和 Tag == 2 条件的累计数量（RBQ 和 RSQ），确保累计逻辑严格遵循时间先后顺序。

本文介绍如何在 pandas 中按时间顺序（datetime）对数据进行排序后，分别计算满足 `tag != 2` 和 `tag == 2` 条件的累计数量（rbq 和 rsq），确保累计逻辑严格遵循时间先后顺序。

在实际数据分析中，常需根据业务规则对不同类别（如标签 Tag）的数据进行独立但有序的累计求和——尤其当累计必须尊重时间先后顺序（而非原始行序）时，直接使用 .cumsum() 会出错。本教程以一个典型场景为例：为每行数据添加两列：

RBQ：截至当前行 DateTime 时刻、所有 Tag ≠ 2 的历史 Qty 累计和；
RSQ：截至当前行 DateTime 时刻、所有 Tag == 2 的历史 Qty 累计和。

关键前提是：累计必须按 DateTime 升序执行，否则结果将不符合业务语义（例如“截至某时刻的累计量”）。

✅ 正确做法：先排序，再条件掩码 + 累计

首先确保 DateTime 列为 datetime 类型并升序排列：

import pandas as pd

# 示例数据（注意：DateTime 需转为 datetime 类型）
df = pd.DataFrame({
    'DateTime': ['2025-01-01 13:00', '2025-01-03 13:22', '2025-01-10 12:33',
                 '2025-01-22 10:04', '2025-01-29 09:30', '2025-02-02 15:05'],
    'Tag': [1, 1, 2, 2, 3, 1],
    'Qty': [270, 32, 44, 120, 182, 216]
})
df['DateTime'] = pd.to_datetime(df['DateTime'])

然后执行核心逻辑（推荐方案，简洁高效）：

# 按 DateTime 排序（关键！）
df_sorted = df.sort_values('DateTime').reset_index(drop=True)

# 定义条件：Tag == 2
cond = df_sorted['Tag'] == 2

# RBQ：仅累加 Tag ≠ 2 的 Qty（Tag==2 时置 0）
df_sorted['RBQ'] = df_sorted['Qty'].mask(cond, 0).cumsum()

# RSQ：仅累加 Tag == 2 的 Qty（Tag≠2 时置 0）
df_sorted['RSQ'] = df_sorted['Qty'].where(cond, 0).cumsum()

print(df_sorted[['DateTime', 'Tag', 'Qty', 'RBQ', 'RSQ']])

输出结果完全匹配预期：

            DateTime  Tag  Qty   RBQ   RSQ
0 2025-01-01 13:00:00    1  270 270.0   0.0
1 2025-01-03 13:22:00    1   32 302.0   0.0
2 2025-01-10 12:33:00    2   44 302.0  44.0
3 2025-01-22 10:04:00    2  120 302.0 164.0
4 2025-01-29 09:30:00    3  182 484.0 164.0
5 2025-02-02 15:05:00    1  216 700.0 164.0

⚠️ 注意事项：

务必先 sort_values('DateTime')：原始索引顺序不反映时间逻辑，忽略此步会导致累计错误；

mask(cond, 0) 表示「满足条件则替换为 0」，where(cond, 0) 表示「满足条件才保留原值，否则填 0」；

.cumsum() 是向量化操作，性能远优于 apply 或循环，且天然保持排序后顺序；

若需保留原始行序（如后续需 merge 回原表），可先保存原始索引，排序处理后再按原索引还原。

? 进阶技巧：使用 pivot 实现多条件累计（可扩展性强）

当条件维度增多（如需按 Tag 多个取值分别累计），可借助 pivot 构建宽表后累计：

# 构造分组标识列
df_pivot = df_sorted.assign(
    group_col=df_sorted['Tag'].eq(2).map({True: 'RSQ', False: 'RBQ'})
)

# 转为宽表 → 填充缺失 → 累计 → 合并回原表
cumulative = (df_pivot.pivot(columns='group_col', values='Qty')
              .fillna(0)
              .cumsum()
              .reset_index(drop=True))

df_sorted = pd.concat([df_sorted, cumulative], axis=1)

该方法更易扩展至多个标签（如 Tag in [1,2,3]），只需调整 group_col 映射逻辑即可。