基於超過閾值的Pandas重采樣

Question

我有一個包含2列的數據庫。

import pandas as pd
data = pd.DataFrame({'a':[1,2,1,4,1,1,3,1,4,1,1,1],'b':[5,2,8,3,10,3,5,15,45,41,23,9]}) 

    a   b
0   1   5
1   2   2
2   1   8
3   4   3
4   1   10
5   1   3
6   3   5
7   1   15
8   4   45
9   1   41
10  1   23
11  1   9

每當自上次發生以來的累積值超過列a的給定閾值時，是否有一種pythonic /最快的方法來挑選行索引？ 例如，在上面的df中，如果我的閾值是5，我會得到指數3,6,8。

我目前正在這樣做的方式是遍歷每一行，然后跟蹤值何時超過它。 我不是一個python專家想出一個潛在的（如果它存在）更好的方式..

謝謝

Answer 1

直到有人發明了一些pandas one-liner（如果可能的話），你可以嘗試以下方法：

來自IPython會話：

In [393]: get_a_cumsum_lim = lambda df, col, threshold: df[col][df[col].cumsum() >= threshold]

In [394]: s, result = get_a_cumsum_lim(data, 'a', 5), []

In [395]: while not s.empty:
     ...:     idx = s.index[0]
     ...:     result.append(idx)
     ...:     s = get_a_cumsum_lim(data[idx+1:], 'a', 5)
     ...:     
     ...:     

In [396]: result
Out[396]: [3, 6, 8]