python - 有没有办法根据同一列中值的参数折叠数据框列中的值？

Question

我有一个日期和值的数据框。即

    index |   date   | points 
      0   |  9-15-17 |  10.2
      1   |  9-15-17 |  5.0
      2   |  9-15-17 |  -3.0
      3   |  9-15-17 |  -1.6
      4   |  9-15-17 |  3.8
      5   |  9-15-17 |  7.0
      6   |  9-15-17 |  4.6

有没有办法利用pandas中的groupby将数据框折叠成

   index |   date   | points
     0   |  9-15-17 |  15.2
     1   |  9-15-17 |  -4.6
     2   |  9-15-17 |  15.4

我当前正在发送日期列，并指向列表并使用多个循环来检查值(数据帧是 C_list)

net_score = 0
rolling_score = []


print(type(int(C_list[0])))

for i in range(0,len(C_list)):
    if C_list[i] > 0:
        if(net_score + C_list[i] > net_score):
        net_score += C_list[i]
    else:
            rolling_score.append(net_score)
            net_score = 0
            net_score += C_list[i]
    if C_list[i] < 0:
        if(net_score + C_list[i] < net_score):
            net_score += C_list[i]

    else:
                rolling_inv.append(net_inv)
                net_inv = 0
                net_inv += C_list[i]

由于某种原因，我得到了一个这样的列表:[15.2，-3.0]，因此当我由于某种原因达到负点时，它会停止添加值。我意识到在数据框中可能有一种更简单的方法来做到这一点，但我很难理解如何正确利用 pandas 来做到这一点。与其说是在寻找完整的代码，不如说是在寻找一些关于这是否可以在数据框中轻松完成的见解，以及建议使用的函数是什么。

Answer 1

m=df['points'].lt(0).ne(df['points'].lt(0).shift()).cumsum()
df1= df.groupby([m,'date']).sum().drop(columns=['index'])
df1.index = df1.index.droplevel(0)
df1.reset_index(inplace=True)
print(df1)

输出

       date     points
0   9-15-17     15.2
1   9-15-17     -4.6
2   9-15-17     15.4