熊猫Cumsum条件复位

Question

我正在使用一个现有的解决方案来尝试生成一个累加和，在某个值之后重置(在本例中是>= 16)。目前，我得到了以下输出，但在某些情况下，累积和仍然大于16。

Size    cumsum
8       8
8       16     ---correct
8       8
8       16     ---correct
7       7
6       13     (should be reset here since next value causes cumsum >16)
7       20     ---incorrect
6       6
5       11
2       13

我使用的代码是：

df = pd.DataFrame({'Size':[8,8,8,8,7,6,7,6,5,2]})

ls = []  
cumsum = 0
last_reset = 0
for _, row in df.iterrows():
    cumsum = cumsum + row.Size
    ls.append(cumsum)
    if cumsum >= 16:
        last_reset = cumsum
        cumsum = 0 
df['cumsum'] = ls

有什么办法纠正这个问题吗？

Answer 1

df = pd.DataFrame({'Size':[8,8,8,8,7,6,7,6,5,2]})

ls = []  
cumsum = 0
last_reset = 0
for _, row in df.iterrows():
    if cumsum + row.Size <= 16:
        cumsum += row.Size
    else:
        last_reset = cumsum
        cumsum = row.Size
    ls.append(cumsum)

df['cumsum'] = ls

结果：

    Size    cumsum
0   8       8
1   8       16
2   8       8
3   8       16
4   7       7
5   6       13
6   7       7
7   6       13
8   5       5
9   2       7

Answer 2

在这里，接受的答案略有变化：Perfrom cumulative sum over a column but reset to 0 if sum become negative in Pandas可以帮助您解决这个问题。

由于该解决方案使用numba，它将比正常的iterrows解决方案快得多。

@njit
def cumli(x, lim):
    total = 0
    result = []
    for i, y in enumerate(x):
        total += y
        if (total) > lim:
            total = y
        result.append(total)
    return result

cumli(df.Size.values, 16)

# [8, 16, 8, 16, 7, 13, 7, 13, 5, 7]

Answer 3

我认为，一个好的解决方案是对您感兴趣的列中的每个值应用“带内存的函数”。

定义以下函数来计算和：

def myCumSum(val):
    myCumSum.sum += val
    if myCumSum.sum > 16:
        myCumSum.sum = val
    return myCumSum.sum

请注意，该函数有一个属性(sum)，应该在该函数的第一次调用之前设置该属性。

myCumSum.sum = 0

然后将其应用于Size列，并将结果保存为累计列：

df['cumsum'] = df.Size.apply(myCumSum)