本文探讨如何在Python Pandas中，根据上一行值高效创建并累加新列。 问题并非简单地使用apply函数就能解决，需要结合Pandas特性巧妙实现。
假设数据包含三列(‘col1’, ‘col2’, ‘col3’)，目标是根据’col1’创建’col4’列：’col1’值在(3, 5)之间则’col4’为1，否则为0；且’col4’中值为1的连续数值进行累加。
直接使用循环遍历方法虽然清晰，但效率低：
values = [[5.5, 2.5, 10.0], [2.0, 4.5, 1.0], [2.5, 5.2, 8.0], [4.5, 5.8, 4.8], [4.6, 6.3, 9.6], [4.1, 6.4, 9.0], [5.1, 2.3, 11.1], [4.8, 2.3, 4.8], [4.8, 2.3, 4.8]]df = pd.DataFrame(values, columns=['col1', 'col2', 'col3'], index=['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'y'])col4 = []index = 1for one in df['col1']: if 3 < one < 5: index += 1 col4.append(index) else: index = 0 col4.append(index)df['col4'] = col4
自定义函数结合apply方法虽然有所改进，但不够简洁高效。
立即学习“Python免费学习笔记（深入）”；
更高效的方案是利用numpy.where和cumsum函数：
df['col4'] = pd.Series(np.where((df['col1'] > 3) & (df['col1'] < 5), 1, np.nan)).cumsum().fillna(0).astype(int)
此方法先根据条件创建包含1和NaN的Series，再用cumsum累加，最后用fillna将NaN替换为0。
更稳健的版本，能处理各种情况，包括中间出现不符合条件的情况：
v = df.apply(lambda x: 1 if 3 < x['col1'] < 5 else 0, axis=1)df['col4'] = (v.cumsum() - (v != v.shift()).cumsum() + (v != v.shift()) * v).fillna(0).astype(int)
此方法通过更复杂的逻辑处理中间不满足条件的情况，确保累加结果准确。 对比这些方法，选择合适的方法能显著提升代码效率和可读性。
以上就是Python Pandas中如何高效地根据上一行值创建并累加新列？的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1358859.html
微信扫一扫 
支付宝扫一扫 
