在新值上重置的累积和，没有循环

问题描述

我需要帮助计算一个在条件改变时重置的累积总和。我使用了一个循环，但数据集太重了。也尝试使用这两个链接，但我无法获得所需的输出。我无法从数据框中删除重复项，因为我需要示例表中未显示的信息。

Cumulative sum that resets based on the year

我有 License Plate 和 Transp Doc 列，需要一个名为 Deliveries 的新列，条件是：如果它是相同的车牌和相同的 Transp Doc，则考虑1 次交付，但是，如果不是同一个 Transp Doc，则加 1，如果不是同一个车牌，则重置累计总和。我基于此方法的 excel 公式（在单元格 C3 上设置）将是 =IF(A2=A3;IF(B2=B3;C2+0;C2+1);1)

	A	B	C
1	车牌	传输文档	交货
2	AAA1111	65184	1
3	AAA1111	65186	2
4	AAA1111	65188	3
5	BBB2222	65195	1
6	BBB2222	65195	1
7	BBB2222	65201	2
8	CCC3333	65207	1
9	CCC3333	65207	1
10	DDD4444	65212	1

import pandas as pd


DF = pd.DataFrame({'License Plate': ["AAA1111","AAA1111","BBB2222","CCC3333","DDD4444"],'Transp Doc': [65184,65186,65188,65195,65201,65207,65212],'Deliveries': [1,2,3,1,1],})

我得到的最远的是使用这条线：

DF['Deliveries'] = DF['License Plate'].eq(DF['License Plate'].shift()).cumsum()

只求上一行是否相等，不考虑Transp Doc是否相同，换板时不重置。

解决方法

找到重复的行（基于车牌和 transp 文档），这将产生一个布尔系列。反转系列，您可以将布尔值相加为整数 0 和 1（但还没有）。

然后通过按车牌分组来拆分此系列更改车牌。最后使用这些组的累积总和（将布尔值添加为整数），并将结果分配给数据框中的新列。

import pandas as pd
df = pd.DataFrame({'License Plate': ["AAA1111","AAA1111","BBB2222","CCC3333","DDD4444"],'Transp Doc': [65184,65186,65188,65195,65201,65207,65212],'Deliveries': [1,2,3,1,1],})
df['Deliveries'] = (~df.duplicated(['License Plate','Transp Doc'])).groupby(df['License Plate']).cumsum()
print(df)

  License Plate  Transp Doc  Deliveries
0       AAA1111       65184           1
1       AAA1111       65186           2
2       AAA1111       65188           3
3       BBB2222       65195           1
4       BBB2222       65195           1
5       BBB2222       65201           2
6       CCC3333       65207           1
7       CCC3333       65207           1
8       DDD4444       65212           1

cumulative-sum python