本文介绍一种高效、向量化的方法，利用 groupby + cumsum 实现类似 excel 中“条件重置累加”的逻辑：当参考列值为 0 时清零，否则对当前值与上一行新列值求和。
本文介绍一种高效、向量化的方法，利用 groupby + cumsum 实现类似 excel 中“条件重置累加”的逻辑：当参考列值为 0 时清零，否则对当前值与上一行新列值求和。
在数据分析中，常需构造一类“带重置的累积和”列（如库存连续补货量、会话持续时间、信号积分等），其规则看似依赖递归（即新列 B[i] = A[i] + B[i−1]，但 B[i−1] 尚未生成），容易误以为必须用 for 循环或 apply 逐行计算。实际上，Pandas 提供了完全向量化、高性能的解决方案——关键在于将问题转化为按逻辑分组后组内累加。
核心思路：将“重置点”转为分组标识
观察目标行为：每当 Column A 出现 0，Column B 就清零并重新开始累加。这意味着每个 0 都标志着一个新“累加段”的开始。我们可以：
- 识别所有重置位置：column_a == 0 生成布尔序列；
- 生成分组编号：对布尔序列调用 .cumsum()，使每个 True（即 0 值）及其之后的元素属于同一组，且每遇到新 0 就进入下一组；
- 组内累加：使用 .groupby(...).cumsum() 对每组内的 A 值独立累加。
该方法完全避免循环和显式引用自身列的前序值，充分利用 Pandas 的向量化能力，性能远超 iterrows() 或 shift().fillna(0) 拼接条件判断。
完整实现代码
import pandas as pd
# 示例数据
df = pd.DataFrame({"A": [0, 0, 1, 2, 3, 0, 0, 1, 4]})
# ✅ 向量化生成 Column B（推荐方案）
streak_indicator = df["A"] == 0
df["B"] = df["A"].groupby(streak_indicator.cumsum()).cumsum()
print(df)输出结果：
A B 0 0 0 1 0 0 2 1 1 3 2 3 4 3 6 5 0 0 6 0 0 7 1 1 8 4 5
✅ 验证逻辑：
- 行 0–1：A=0 → streak_indicator=True，cumsum() 得 [1,2,...]，故第 0 行属组 1、第 1 行属组 2 → 各自组内 cumsum 为 0；
- 行 2–4：A=[1,2,3] 属组 3 → cumsum 得 [1,3,6]；
- 行 5–6：A=0 → 新组（4 和 5），值均为 0；
- 行 7–8：A=[1,4] 属组 6 → cumsum 得 [1,5]。
注意事项与进阶提示
- 边界安全：此方法天然支持首行（B[0] 正确为 0 当 A[0]==0），无需特殊处理；
- 非零重置值？ 若需在 A==X（X≠0）时重置，只需将 df["A"] == 0 替换为 df["A"] == X；
- 浮点/缺失值处理：若 A 含 NaN，先用 fillna(0) 或 dropna() 预处理，否则 ==0 判断可能失效；
- 性能对比：对百万级数据，向量化方案比 for 循环快 100+ 倍，比 apply(lambda x: ...) 快 10+ 倍；
- 替代思路（不推荐）：虽可用 df["B"] = df["A"].where(df["A"] != 0, 0).cumsum()，但这无法重置——它只是全局累加后置零，不符合需求。
总结
本例展示了如何将“状态依赖型”列生成问题，通过巧妙构造分组键（cumsum of reset condition），转化为标准的分组聚合操作。这不仅是解决累加重置的通用范式，也适用于计数连续非零长度、标记会话 ID、检测信号上升沿等典型“streaks and islands”场景。掌握这一模式，可显著提升 Pandas 代码的简洁性、可读性与执行效率。
