分别遍历 df 行和两列的总和值，直到其中一列满足条件

Question

我肯定还在学习 python 并且尝试了无数方法，但无法弄清楚这一点。

我有一个包含 2 列的数据框，分别称为 A 和 B。我需要返回一个 df，它将独立地对这两列中每一列的行值求和，直到 A 的阈值总和超过某个值，对于这个例子，让我们说 10。到目前为止，我正在尝试使用 iterrows() 并且可以根据 if A >= 10 获取段，但在达到阈值之前似乎无法解决行的总和。即使最终的 A 值不满足条件阈值，结果 df 也必须是详尽无遗的 - 请参阅所需输出的最后一行。

    df1 = pd.DataFrame(data = [[20,16],[10,5],[3,2],[1,1],[12,10],[9,7],[6,6],[5,2]],columns=['A','B'])
    df1
        A   B
    0   20  16
    1   10  5
    2   3   2
    3   1   1
    4   12  10
    5   9   7
    6   6   6
    7   5   2

想要的结果：

        A   B
    0   20  16
    1   10  5
    2   16  13
    3   15  13
    4   5   2

提前感谢您，花费了很多时间，非常感谢您的帮助！！！ 干杯

Answer 1

这是一个更短的工作：

import pandas as pd

df1 = pd.DataFrame(data = [[20,16],[10,5],[3,2],[1,1],[12,10],[9,7],[6,6],[5,2]],columns=['A','B'])
df2 = pd.DataFrame()
index = 0
while index < df1.size/2:
    if df1.iloc[index]['A'] >= 10:
        a = df1.iloc[index]['A']
        b = df1.iloc[index]['B']
        temp_df = pd.DataFrame(data=[[a,b]], columns=['A','B'])
        df2 = df2.append(temp_df, ignore_index=True)
        index += 1
    else:
        a_sum = 0
        b_sum = 0
        while a_sum < 10 and index < df1.size/2:
            a_sum += df1.iloc[index]['A']
            b_sum += df1.iloc[index]['B']
            index += 1
        if a_sum >= 10:
            temp_df = pd.DataFrame(data=[[a_sum,b_sum]], columns=['A','B'])
            df2 = df2.append(temp_df, ignore_index=True)
        else:
            a = df1.iloc[index-1]['A']
            b = df1.iloc[index-1]['B']
            temp_df = pd.DataFrame(data=[[a,b]], columns=['A','B'])
            df2 = df2.append(temp_df, ignore_index=True)

关键是跟踪您在 DataFrame 中的位置并跟踪总和。不要害怕使用变量。

在 Pandas 中，使用 iloc 按索引访问每一行。通过检查大小确保您不会超出 DataFrame。 df.size 返回元素的数量，因此它将行乘以列。这就是为什么我将大小除以列数得到实际行数的原因。

Answer 2

我很少为 pandas 编写长循环，但我没有看到使用 pandas 方法的方法。试试这个可怕的循环:(:

1. 我创建的变量t 本质上是检查累积和以查看是否> n（我们已将其设置为10）。然后，我们决定使用 t，累积一些或 i 任何给定行的数据框中的值（j 和 u 与 B 列的同一事物并行存在）。
2. 有一些条件，所以有一些elif 语句，最后一行的行为与我设置的方式不同，所以我必须为最后一行 if 设置一些单独的逻辑 - - 否则最后一个值不会被附加：

---

import pandas as pd
df1 = pd.DataFrame(data = [[20,16],[10,5],[3,2],[1,1],[12,10],[9,7],[6,6],[5,2]],columns=['A','B'])
df1

a,b = [],[]
t,u,count = 0,0,0
n=10
for (i,j) in zip(df1['A'], df1['B']):
    count+=1
    if i < n and t >= n:
        a.append(t)
        b.append(u)
        t = i
        u = j
    elif 0 < t < n:
        t += i
        u += j
    elif i < n and t == 0:
        t += i
        u += j
    else:
        t = 0
        u = 0
        a.append(i)
        b.append(j)
    if count == len(df1['A']):
        if t == i or t == 0:
            a.append(i)
            b.append(j)
        elif t > 0 and t != i:
            t += i
            u += j
            a.append(t)
            b.append(u)
df2 = pd.DataFrame({'A' : a, 'B' : b})
df2