基于列比较的条件累积和在pandas数据框中

Question

我对pandas还比较陌生，虽然我知道应该有简单的解决办法，但我自己没搞明白。我有一个交易记录的数据表，看起来是这样的：

OrderId Size    Price           Side    TimeSecO    TimeUSecO   TimeSecOT   TimeUSecOT AmountBuy AmountSell
10      100     41.44000000     BUY     1403200077  47720       1403200100  640070
11      100     41.43000000     BUY     1403200077  47979       1403200112  43383
12      100     41.45000000     SELL    1403200077  48311       1403200090  61100
14      100     41.45000000     BUY     1403200092  253793      1403200092  374767
17      100     41.44000000     SELL    1403200103  24382       1403200125  929563
20      100     41.43000000     SELL    1403200116  208057      1403200116  226762
31      100     41.46000000     SELL    1403200214  874124      1403200259  751002
37      100     41.46000000     BUY     1403200278  494827      1403200300  729545
42      100     41.45000000     BUY     1403200335  601039      1403200361  925384
42      100     41.45000000     BUY     1403200335  601039      1403200361  925415
45      500     15.54000000     SELL    1403200365  997248      1403200741  26216
49      100     41.45000000     SELL    1403200375  419253      1403200402  959968
53      100     42.61000000     SELL    1403200377  403525      1403200377  403680
54      100     42.61000000     BUY     1403200377  501636      1403200377  501770

我想要计算每个订单编号（OrderId）的滚动累计总和，并把结果放到两个新列里，分别是CumAmountBuy和CumAmountSell，这两个列是根据Side列来区分的，前提是TimeSecO要大于TimeSecOT。

举个例子，在上面的数据表中，订单编号10、11和12的累计总和应该都是CumAmountBuy = 0和CumAmountSell = 0，因为在数据表里没有记录满足1403200077大于TimeUSecOT的条件。

而对于订单编号14，CumAmountBuy = 0，CumAmountSell = 100，因为在这个时候，订单编号12已经发生了，而且它的Side是SELL，满足了TimeSecO大于TimeSecOT的条件（1403200092大于1403200090）。

Answer 1

我能想到一个不太干净的办法，但当数据表变得非常大的时候，我觉得这样做效率不高。

In [42]: df['flag'] = df.TimeSecO.map(lambda sec: (sec > df.TimeSecOT).values)

In [43]: df['CumAmountBuy'] = df.flag.map(lambda f: np.dot(f,df['Size']*(df['Side']=='BUY')))

In [44]: df['CumAmountSell'] = df.flag.map(lambda f: np.dot(f,df['Size']*(df['Side']=='SELL')))

In [45]: df[['CumAmountBuy','CumAmountSell']]
Out[45]: 
         CumAmountBuy  CumAmountSell
OrderId                             
10                  0              0
11                  0              0
12                  0              0
14                  0            100
17                200            100
20                300            100
31                300            300
37                300            400
42                400            400
42                400            400
45                600            400
49                600            400
53                600            400
54                600            400