在另一列的基础上创建一个累积列，该列只对一个新的ID进行累积。

Question

我有以下数据集。

Time = ['00:01', '00:02','00:03','00:01','00:02','00:03','00:01','00:02','00:03']
ID = [1, 1, 1, 2, 2, 2, 3, 3, 3]
Value = [3.5, 3.5, 3.5, 4.1, 4.1, 4.1, 2.3, 2.3, 2.3]   
df = pd.DataFrame({'Time':Time, 'ID':ID, 'Value':Value})

每个ID的值都是一样的 我想创建一个新的列，将Value列累计起来，但只有当每个ID改变时才会出现。V

所以，与其得到

3.5   7   10.5   14.6   18.7   22.8   25.1   27.3   29.5

我想

3.5   3.5   3.5   7.6   7.6   7.6   9.9   9.9   9.9

Answer 1

使用 .loc 来分配你的价值。

shift 以测试ID变化的地方

然后 cumsum 与 ffill

df.loc[:, "Val"] = df[df["ID"].ne(df["ID"].shift())][
    "Value"
].cumsum()

df['Val'] = df['Val'].ffill()

print(df)

    Time  ID  Value  Val
0  00:01   1    3.5  3.5
1  00:02   1    3.5  3.5
2  00:03   1    3.5  3.5
3  00:01   2    4.1  7.6
4  00:02   2    4.1  7.6
5  00:03   2    4.1  7.6
6  00:01   3    2.3  9.9
7  00:02   3    2.3  9.9
8  00:03   3    2.3  9.9

或者更简单地如Ch3steR所言

df['Value'].where(df['Value'].ne(df['Value'].shift(1))).cumsum().ffill()

0    3.5
1    3.5
2    3.5
3    7.6
4    7.6
5    7.6
6    9.9
7    9.9
8    9.9