Pandas：基于另一列的前一行值的条件累积和

Question

我想对一列求和，但求和前每一行的值必须与另一列的值进行检查，如果另一列的值较小，则该值加起来而不是第一列的前一行。 考虑这个 dataframe：

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，我想对 X 进行 cumsum，但是如果 Y 小于上一行中的 X，它将相加而不是 X。例如，X 的第二行的 cumsum 结果为 1，但因为 Y 的第二行中的 0小于1，我们替换它。 那么第三行的 cumsum 将是 0 而不是 1。我使用“for循环”编写了如下代码，但对于大型数据集它根本没有效率：

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

我会很感激有人可以提出一种更有效的方法。

Answer 1

由于您的“专业 cumsum”的结果取决于先前的结果，因此您不能使用实际的cumsum function。

相反，您应该使用 function “带内存”（记住上一个返回值）并在下一次调用中使用它（用于下一行）。

第0行在这里是一个特例。 由于第0行没有Z列的先前值，即使在您的代码中您将第一行的结果保留为0 ，所以我在 function 中做了同样的事情（见下文）。

其他行根据您的算法计算。

要计算您的“专业 cumsum”，请定义以下 function：

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：它实际上是当前行的索引，我的解决方案依赖于源 DataFrame 具有默认索引的事实，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：

df['Z'] = df.apply(myCumSum, axis=1)

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