基于多列条件计算累积和的 Pandas 教程

本教程详细介绍了如何使用 Pandas 高效地根据相邻两列的条件（如“买入”和“卖出”信号）计算某一列的累积和。通过巧妙利用 combine_first()、ffill() 和布尔索引等 Pandas 核心功能，我们能够避免传统循环，实现基于状态变化的条件性累积求和，从而提高数据处理的效率和代码的简洁性。

1. 问题背景与挑战

在数据分析中，我们经常需要对某一列数据进行累积求和（cumulative sum）。然而，有时这种累积求和并非针对所有行，而是需要根据其他列的特定条件来触发、延续或中断。例如，在一个交易数据集中，我们可能希望在遇到“买入”或“卖出”信号时开始或延续对“价值”列的累积求和，而在没有这些信号时则不进行求和。

考虑以下数据示例：

Date	Buy	Sell	Value	Cumulative Sum
01/01/2023	1
01/02/2023	1	5	5
01/03/23	1	6
01/04/23	1	7
01/05/23	1	1	8
01/06/23	5

在这个例子中，“Cumulative Sum”列的计算逻辑是：

• 当“Buy”或“Sell”列出现“1”时，开始或延续累积求和。
• 一旦累积求和开始，它会持续到下一个“Buy”或“Sell”信号出现，或者直到数据结束。
• 没有“Buy”或“Sell”信号的行，如果之前也没有激活的信号，则“Cumulative Sum”为空。

直接使用 cumsum() 函数无法满足这种条件和状态变化的复杂逻辑。手动循环虽然可行，但在大型数据集中效率低下。因此，我们需要一种利用 Pandas 向量化操作的解决方案。

2. Pandas 解决方案详解

本解决方案将通过一系列 Pandas 操作，逐步构建出所需的条件累积和。

2.1 准备数据

首先，我们创建一个示例 DataFrame 来模拟上述场景：

import pandas as pd
import numpy as np
df = pd.DataFrame({
'date': ['2023-01-01', '2023-01-02', '2023-01-03', '2023-01-04', '2023-01-05', '2023-01-06',
'2023-01-07', '2023-01-08', '2023-01-09', '2023-01-10', '2023-01-11', '2023-01-12'],
'buy': [np.nan, 1, np.nan, np.nan, np.nan, np.nan, np.nan, 1, np.nan, np.nan, np.nan, np.nan],
'sell': [np.nan, np.nan, np.nan, np.nan, 1, np.nan, np.nan, np.nan, np