我有一个pandas DataFrame，其布尔列按另一列排序，需要计算布尔列的反向累积和，即从当前行到底部的真值。
例
In [13]: df = pd.DataFrame({'A': [True] * 3 + [False] * 5, 'B': np.random.rand(8) })
In [15]: df = df.sort_values('B')
In [16]: df
Out[16]:
A B
6 False 0.037710
2 True 0.315414
4 False 0.332480
7 False 0.445505
3 False 0.580156
1 True 0.741551
5 False 0.796944
0 True 0.817563
我需要的东西会给我一个带有值的新列
3
3
2
2
2
2
1
1
也就是说，对于每一行，它应包含此行和下面行的True值。
我尝试了各种方法 .iloc[::-1] 但结果并非如此。
想想，我错过了一件明显的事情。我昨天才开始使用熊猫。
反转A列，取出cumsum，然后再反转：
df['C'] = df.ix[::-1, 'A'].cumsum()[::-1]
import pandas as pd
df = pd.DataFrame(
{'A': [False, True, False, False, False, True, False, True],
'B': [0.03771, 0.315414, 0.33248, 0.445505, 0.580156, 0.741551, 0.796944, 0.817563],},
index=[6, 2, 4, 7, 3, 1, 5, 0])
df['C'] = df.ix[::-1, 'A'].cumsum()[::-1]
print(df)
产量
A B C
6 False 0.037710 3
2 True 0.315414 3
4 False 0.332480 2
7 False 0.445505 2
3 False 0.580156 2
1 True 0.741551 2
5 False 0.796944 1
0 True 0.817563 1
或者，您可以计算数量 True在列中 A 并减去（移位）的cumsum：
In [113]: df['A'].sum()-df['A'].shift(1).fillna(0).cumsum()
Out[113]:
6 3
2 3
4 2
7 2
3 2
1 2
5 1
0 1
Name: A, dtype: object
但这明显变慢了。运用 IPython的 执行基准测试：
In [116]: df = pd.DataFrame({'A':np.random.randint(2, size=10**5).astype(bool)})
In [117]: %timeit df['A'].sum()-df['A'].shift(1).fillna(0).cumsum()
10 loops, best of 3: 19.8 ms per loop
In [118]: %timeit df.ix[::-1, 'A'].cumsum()[::-1]
1000 loops, best of 3: 701 µs per loop
这很有效但很慢......就像@unutbu一样。 True解析为1.但是False或其他任何值都失败。
df[2] = df.groupby('A').cumcount(ascending=False)+1
df[1] = np.where(df['A']==True,df[2],None)
df[1] = df[1].fillna(method='bfill').fillna(0)
del df[2]
A B 1
# 3 False 0.277557 3.0
# 7 False 0.400751 3.0
# 6 False 0.431587 3.0
# 5 False 0.481006 3.0
# 1 True 0.534364 3.0
# 2 True 0.556378 2.0
# 0 True 0.863192 1.0
# 4 False 0.916247 0.0