本文详细探讨了如何在Pandas DataFrame中根据复杂条件创建一列，该列的值为另一列的累积最小值，并在特定条件触发时重置该累积最小值。文章通过一个具体示例，深入解析了利用`groupby`、`cummin`、`shift`、`mask`和`where`等Pandas高级函数实现这一逻辑的向量化解决方案，旨在提供一个清晰、高效且可扩展的教程。
引言
在数据分析和处理中，我们经常需要计算序列的累积最小值（cumulative minimum）。然而，当这个累积最小值需要在特定条件下“重置”时，问题会变得复杂。例如，我们可能需要在一个辅助列的值满足某个条件时，让累积最小值从当前值重新开始计算。本教程将展示一个使用Pandas进行高效向量化操作的解决方案，以应对这种带有条件重置的累积最小值计算场景。
问题描述与初始数据
假设我们有一个Pandas DataFrame，包含两列a和b。我们的目标是创建新列c，其行为类似于列b的累积最小值，但当满足特定条件时，c的值会重置为当前b的值，并且后续的累积最小值计算将从这个重置点开始。
以下是示例DataFrame：
import pandas as pd
df = pd.DataFrame(
{
'a': [98, 97, 100, 135, 103, 100, 105, 109, 130],
'b': [100, 103, 101, 105, 110, 120, 101, 150, 160]
}
)
print("原始DataFrame:")
print(df)期望的输出DataFrame，包含新列c：
a b c 0 98 100 100 1 97 103 100 2 100 101 100 3 135 105 100 4 103 110 110 5 100 120 110 6 105 101 101 7 109 150 150 8 130 160 150
观察列c的生成逻辑：
- 初始时，c是b的累积最小值。
- 在第4行，c从100变为110。这是因为某些条件被触发，导致c重置为当前b的值（110），并且从这里开始重新计算b的累积最小值。
- 在第7行，c从101变为150。同样，条件再次触发，c重置为当前b的值（150），并从这里重新计算累积最小值。
这种条件重置的逻辑使得直接使用df.b.cummin()变得不可行，因为我们需要在满足特定条件时“打断”并重新开始累积计算。
解决方案详解
为了实现上述复杂的条件重置累积最小值逻辑，我们将采用一个巧妙的向量化方法。这个方法通过构建多个中间布尔条件和累积计算，最终合成出目标列c。
# 步骤1: 导入必要的库 (如果尚未导入)
import pandas as pd
# 步骤2: 创建初始DataFrame (与问题描述相同)
df = pd.DataFrame(
{
'a': [98, 97, 100, 135, 103, 100, 105, 109, 130],
'b': [100, 103, 101, 105, 110, 120, 101, 150, 160]
}
)
# --- 核心解决方案 ---
# 1. 定义第一个分组条件 (m1)
# m1 用于识别潜在的“新累积最小值段”的起始点。
# 当当前行的 'b' 值小于或等于前一行的 'a' 值时，m1 为 True。
# 这表示可能需要开始一个新的累积最小值序列。
m1 = df["b"].le(df["a"].shift())
# 2. 基于 m1.cumsum() 进行分组累积最小值计算 (cm)
# m1.cumsum() 会为每个连续的 False 块（直到第一个 True）分配相同的组ID，
# 并在遇到 True 后递增组ID。这样，每个组内部都会独立计算 'b' 的累积最小值。
cm = df["b"].groupby(m1.cumsum()).cummin()
# 3. 定义第二个筛选条件 (m2)
# m2 是一个复合条件，用于最终决定 'c' 列的值应该从 cm 中取，
# 还是从一个备用的累积最小值计算中取。
# m2 为 True 的情况包括：
# a) 当前 ' 
