Python Pandas 重置运行总计

我想执行以下任务。给定 2 列（好和坏），我想用运行总计替换这两列的任何行。这是当前数据帧以及所需数据帧的示例。

编辑：我应该添加我的意图。我正在尝试使用连续变量作为输入来创建同等分箱（在本例中为 20）的变量。我知道 pandas cut 和 qcut 函数可用，但是返回的结果的好/坏率为零（需要计算证据权重和信息价值）。分子或分母中的零将不允许数学计算进行。

   d={'AAA':range(0,20),
      'good':[3,3,13,20,28,32,59,72,64,52,38,24,17,19,12,5,7,6,2,0],
      'bad':[0,0,1,1,1,0,6,8,10,6,6,10,5,8,2,2,1,3,1,1]}
   df=pd.DataFrame(data=d)
   print(df)

Here is an explanation of what I need to do to the above dataframe.

粗略地说，每当我遇到任一列的零时，我都需要对不为零的列使用运行总计，直到下一行包含零的列具有非零值。

这是所需的输出：

dd={'AAA':range(0,16),
    'good':[19,20,60,59,72,64,52,38,24,17,19,12,5,7,6,2],
    'bad':[1,1,1,6,8,10,6,6,10,5,8,2,2,1,3,2]}

desired_df=pd.DataFrame(data=dd)    
print(desired_df) 

我的解决方案的基本思想是根据非零值的累积和创建一列，以便将零值与下一个非零值合并到一组中。然后您可以使用 groupby + sum 来获取所需的值。

two_good = df.groupby((df['bad']!=0).cumsum().shift(1).fillna(0))['good'].sum()
two_bad = df.groupby((df['good']!=0).cumsum().shift(1).fillna(0))['bad'].sum()

two_good = two_good.loc[two_good!=0].reset_index(drop=True)
two_bad = two_bad.loc[two_bad!=0].reset_index(drop=True)

new_df = pd.concat([two_bad, two_good], axis=1).dropna()
print(new_df)
    bad  good
0     1  19.0
1     1  20.0
2     1  28.0
3     6  91.0
4     8  72.0
5    10  64.0
6     6  52.0
7     6  38.0
8    10  24.0
9     5  17.0
10    8  19.0
11    2  12.0
12    2   5.0
13    1   7.0
14    3   6.0
15    1   2.0

此代码处理尾随零的蚀刻情况与您所需的输出不同，它只是将其切断。您必须添加一些额外的代码才能捕获具有不同逻辑的代码。