讲师中心 微信公众号

工具推荐

视频效率加速
Seko
Seko

AI短剧一键生成成片

Laper
Laper

剧本策划到成片协作

updream

一键生成高质量推广成片

立刻MV
立刻MV

低成本歌曲 MV、视频生成

Pandas 中基于当前行日期条件的动态累计求和(无需循环)

老丽君_6200

老丽君_6200

发布时间:2026-11-17 10:16:13

|

457人浏览过

|

来源于php中文网

原创

Pandas 中基于当前行日期条件的动态累计求和(无需循环)

本文介绍如何在 Pandas 中高效实现“对每一行,汇总所有满足 expiryDate ≥ 当前行 agreementDate 的同员工同组记录的 vesting_value_CAD”,避免显式 for 循环或 apply 函数,采用向量化连接与布尔过滤策略。

本文介绍如何在 pandas 中高效实现“对每一行,汇总所有满足 `expirydate ≥ 当前行 agreementdate` 的同员工同组记录的 vesting_value_cad”,避免显式 for 循环或 apply 函数,采用向量化连接与布尔过滤策略。

在处理员工权益归属(vesting)分析时,常需按时间维度动态计算“截至某协议生效日仍有效的其他协议总价值”。本例中,目标是:对每一条记录,计算同一 employeeID 和 groupName 下,所有 expiryDate ≥ 当前行 agreementDate 的其他记录(即尚未过期)的 vesting_value_CAD 之和。

注意关键约束:

  • 必须排除自身(即 agreementID 不同);
  • expiryDate 可能为空(需统一填充或转换为远期日期,如 pd.NaT → pd.Timestamp.max);
  • agreementDate 和 expiryDate 均为字符串,需先转为 datetime 类型以支持比较。

以下是纯 Pandas 向量化实现(兼容 pandas ≥ 2.0):

import pandas as pd
import numpy as np

# 构造原始数据(含空 expiryDate)
df = pd.DataFrame({
    'employeeID': [2, 2, 2, 2, 2],
    'groupName': ['A', 'A', 'A', 'A', 'B'],
    'agreementID': [8, 7, 6, 1, 9],
    'agreementDate': ['2/1/2025', '3/1/2025', '3/1/2025', '1/1/2025', '3/1/2025'],
    'vesting_value_CAD': [50, 200, 40, 500, 30],
    'expiryDate': ['3/31/2025', None, None, '1/31/2025', None]
})

# 步骤1:日期标准化(安全转换,空值设为远期日期)
df['agreementDate'] = pd.to_datetime(df['agreementDate'], format='%m/%d/%Y')
df['expiryDate'] = pd.to_datetime(df['expiryDate'], format='%m/%d/%Y', errors='coerce')
# 将 NaT 替换为一个足够大的日期(如 2200-01-01),确保逻辑上“永不到期”
df['expiryDate'] = df['expiryDate'].fillna(pd.Timestamp('2200-01-01'))

# 步骤2:自连接(inner join on employeeID + groupName,排除自身)
merged = df.merge(
    df,
    on=['employeeID', 'groupName'],
    suffixes=('', '_right')
)

# 步骤3:应用条件过滤
cond = (
    (merged['expiryDate_right'] >= merged['agreementDate']) &
    (merged['agreementID'] != merged['agreementID_right'])
)

filtered = merged[cond].copy()

# 步骤4:按原行分组聚合
result = (
    filtered
    .groupby(['employeeID', 'groupName', 'agreementDate', 'agreementID', 'vesting_value_CAD'])
    .agg({'vesting_value_CAD_right': 'sum'})
    .reset_index()
    .rename(columns={'vesting_value_CAD_right': 'conditional_vesting_sum'})
)

# 步骤5:与原表对齐(左连接补全所有行,缺失则为 0)
df_final = df.merge(
    result,
    on=['employeeID', 'groupName', 'agreementDate', 'agreementID', 'vesting_value_CAD'],
    how='left'
).fillna({'conditional_vesting_sum': 0})

print(df_final[['employeeID', 'groupName', 'agreementDate', 'agreementID', 'vesting_value_CAD', 'conditional_vesting_sum']])

输出示例(关键列):

   employeeID groupName agreementDate  agreementID  vesting_value_CAD  conditional_vesting_sum
0         2         A      2025-02-01              8                 50                      0.0
1         2         A      2025-03-01              7                200                    240.0
2         2         A      2025-03-01              6                 40                    200.0
3         2         A      2025-01-01              1                500                      0.0
4         2         B      2025-03-01              9                 30                      0.0

✅ 说明:

  • 第 1 行(agreementID=7, 2025-03-01):匹配到 agreementID=6(同日、未过期),故 sum=40;
  • 第 2 行(agreementID=6, 2025-03-01):匹配到 agreementID=7,故 sum=200;
  • 第 0 行(2025-02-01):仅 agreementID=8 满足该日期,但无其他 expiryDate ≥ 2025-02-01 且 agreementID ≠ 8 的记录(agreementID=1 的 expiryDate=2025-01-31

⚠️ 注意事项:

  • 若数据量极大(>1M 行),自连接可能产生内存压力,此时建议改用 pd.IntervalIndex 或分块处理;
  • expiryDate 空值处理策略需与业务一致(本例设为远期日期,代表“永久有效”);
  • 如需包含自身值,移除 agreementID != agreementID_right 条件即可;
  • 该方案完全向量化,性能显著优于 apply(lambda x: ...) 或嵌套循环。

通过合理利用 merge + boolean indexing + groupby.agg 三步组合,即可优雅、高效地完成复杂条件聚合任务。

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

热门AI工具

更多
VibeKnow
VibeKnow Hot

一款AI视频创作工具,主要用于全球首个AI知识视频创作平台,文档、文章、网页,一键生成视频,适合需要提升相关任务效率的用户。

Lovart
Lovart Hot

一款面向视觉设计创作的AI设计平台,可通过智能体和画布工作流辅助制作海报、Logo、网页、PPT及其他视觉内容。

豆包大模型

豆包大模型是一款由字节跳动推出的企业级大语言模型服务平台。

WorkBuddy

一款AI办公效率工具,主要用于腾讯云推出的AI原生桌面智能体工作台,适合需要提升相关任务效率的用户。

咔片AIPPT

一款在线AI演示文稿制作工具,可根据主题和内容需求辅助生成PPT结构与页面,提高演示材料制作效率。

切问学术

切问学术是一款AI论文写作工具,复旦大学NLP团队推出的AI学术智能体。

Flowith
Flowith Hot

Flowith是一款基于画布和智能体工作流的 AI 协作工作空间。

SoundView
SoundView Hot

SoundView是一款面向跨境电商的视频翻译、配音和本地化 AI 创作平台。

DeepSeek

DeepSeek是一款面向对话、写作、编程和推理场景的AI大模型工具。

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

1931

2023.07.20

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

5504

2023.07.25

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

1889

2023.07.31

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

33517

2023.08.03

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

3927

2023.08.04

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

3947

2023.08.04

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

1283

2023.08.11

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

636

2023.08.10

Go-Zero API开发使用教程
Go-Zero API开发使用教程

本专题聚焦Go-Zero的API开发,拆解.api描述文件的语法结构、路由与分组定义、参数绑定与校验规则,说明统一响应体、JWT鉴权、跨域与接口文档生成的落地方式,并给出网关聚合与接口测试的实践建议。

140

2026.11.12

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn