Pandas 仅在列的所需单元格上求和

Question

我有下表，其中“Rank”和“rice”列作为 pandas 中的数据框。

我想对第一个正大米列数的结果列进行求和。如果当前大米 col 为正且高于该值也是正，则也忽略总和。

Outcome col 是需要的结果。

Rank    rice    Outcome
------------------------
 1.00   -41.05  
 2.00   763.1   722.05
 3.00   -702.1  
 4.00   -96.35  
 5.00   -670.1  
 6.00   -699.6  
 7.00   -642.1  
 8.00   -31.05  
 9.00   -69.15  
 10.00  -49.15  
 11.00  -539.3  
 12.00  -30.35  
 13.00  -530.1  
 14.00  569.1   -133
 15.00  -600.1  
 16.00  601.1   1
 17.00  620.1   
 18.00  -46.65  
 19.00  -615.2  
 20.00  -581.8  
 21.00  -562.8  
 22.00  538.2   491.55
 23.00  79.85   
 24.00  -582.3  
 25.00  -615.1  
 26.00  22.85   102.7
 27.00  -583.5  
 28.00  -578.1  

我正在使用以下代码。

import pandas as pd


data = [['1',-41.05],['2',763.1],['3',-702.1],['4',-96.35],['5',-670.1],['6',-699.6],['7',-642.1],['8',-31.05],['9',-69.15],['10',-49.15],['11',-539.3],['12',-30.35],['13',-530.1],['14',569.1],['15',-600.1],['16',601.1],['17',620.1],['18',-46.65],['19',-615.2],['20',-581.8],['21',-562.8],['22',538.2],['23',79.85],['24',-582.3],['25',-615.1],['26',22.85],['27',-583.5],['28',-578.1]]

df=pd.DataFrame(data, columns=['Rank', 'rice'])
df.loc[df['rice'] >0 , 'outcome'] = df['rice']-df['rice'].shift()

然而，结果并不符合预期的结果。请帮忙。

Answer 1

491.55 或 102.7 中都有不符合逻辑的地方。

无论如何，您可以使用自定义组/掩码和

groupby.transform

。我提供两种选择（如果您想忽略或不忽略连续的正值）：

m = df['rice'].gt(0)
m2 = (m&~m.shift(fill_value=False))
df.loc[m2, 'Outcome'] = (df['rice']
   #.mask(m&~m2)
   .groupby(m2[::-1].cumsum())
   .transform('first').add(df['rice'])
)

输出（Outcome2 带有未注释的

.mask(m&~m2)

）：

   Rank    rice  Outcome  Outcome2
0     1  -41.05      NaN       NaN
1     2  763.10   722.05    722.05
2     3 -702.10      NaN       NaN
3     4  -96.35      NaN       NaN
4     5 -670.10      NaN       NaN
5     6 -699.60      NaN       NaN
6     7 -642.10      NaN       NaN
7     8  -31.05      NaN       NaN
8     9  -69.15      NaN       NaN
9    10  -49.15      NaN       NaN
10   11 -539.30      NaN       NaN
11   12  -30.35      NaN       NaN
12   13 -530.10      NaN       NaN
13   14  569.10  -133.00   -133.00
14   15 -600.10      NaN       NaN
15   16  601.10     1.00      1.00
16   17  620.10      NaN       NaN
17   18  -46.65      NaN       NaN
18   19 -615.20      NaN       NaN
19   20 -581.80      NaN       NaN
20   21 -562.80      NaN       NaN
21   22  538.20  1158.30    491.55
22   23   79.85      NaN       NaN
23   24 -582.30      NaN       NaN
24   25 -615.10      NaN       NaN
25   26   22.85   102.70   -559.45
26   27 -583.50      NaN       NaN
27   28 -578.10      NaN       NaN