python - 根据其他列值生成列

Question

我有一个数据框:

Date_1      Date_2     is_B weight_1
01/09/2019  02/08/2019  1   254
01/09/2019  02/08/2019  1   320
01/09/2019  04/08/2019  1   244
01/09/2019  04/08/2019  1   247
01/09/2019  14/08/2019  0   343
01/09/2019  14/08/2019  1   161
01/09/2019  14/08/2019  1   386
01/09/2019  15/08/2019  1   465
01/09/2019  15/08/2019  1   133
01/09/2019  15/08/2019  1   310
01/09/2019  15/08/2019  1   155

我想生成一个 new_weight 列，这样对于每个 date_1，new_weight 的值为 5000 - weight_1，其中 is_B 值为 1。如果 is_B = 0，那么我们将 new_weight 的旧值复制到 new_weight。

我知道要计算 new_weight，我们可以这样做:

df = 5000 - df.groupby('date_1')['weight_1'].cumsum()

但我不确定如何在代码中应用 is_b 的条件。

谁能建议用 pandas 或 numpy 的方式来做同样的事情？

编辑

预期输出

Date_1      Date_2     is_B weight_1  new_weight
01/09/2019  02/08/2019  1   254       5000-254
01/09/2019  02/08/2019  1   320       5000-254-320 
01/09/2019  04/08/2019  1   244       5000-254-320-244
01/09/2019  04/08/2019  1   247       5000-254-320-244-247
01/09/2019  14/08/2019  0   343       5000-254-320-244-247(we won't subtract 343 as isBooked = 0)
01/09/2019  14/08/2019  1   161       .
01/09/2019  14/08/2019  1   386       . 
01/09/2019  15/08/2019  1   465       . 
01/09/2019  15/08/2019  1   133       .
01/09/2019  15/08/2019  1   310       .
01/09/2019  15/08/2019  1   155       .

谢谢

Answer 1

您可以使用 DataFrame.mask + Series.cumsum :

df['new_weight']=5000-(df.mask(df['is_B'].eq(0)).groupby('Date_1')['weight_1'].cumsum()).ffill()
print(df)

---

        Date_1      Date_2  is_B  weight_1  new_weight
0   01/09/2019  02/08/2019     1       254      4746.0
1   01/09/2019  02/08/2019     1       320      4426.0
2   01/09/2019  04/08/2019     1       244      4182.0
3   01/09/2019  04/08/2019     1       247      3935.0
4   01/09/2019  14/08/2019     0       343      3935.0
5   01/09/2019  14/08/2019     1       161      3774.0
6   01/09/2019  14/08/2019     1       386      3388.0
7   01/09/2019  15/08/2019     1       465      2923.0
8   01/09/2019  15/08/2019     1       133      2790.0
9   01/09/2019  15/08/2019     1       310      2480.0
10  01/09/2019  15/08/2019     1       155      2325.0