创建滚动求和列，该列在达到阈值后重置

Question

这个问题与我能找到的其他类似问题不同，因为我试图将回望窗口和阈值组合成一个滚动总和。实际上，我不确定我要做的事情是否可以一步到位：

我有一个带有datetime列和value列的dataframe。我创建了一个列，在滚动时间窗口中对值列（V）求和。但是，我希望这个滚动总和在达到某个阈值后重置为0

我不知道是否有可能在一个列操作步骤中实现这一点，因为在求和的每个步骤中都有两个条件——回望窗口和阈值。如果有人有任何想法，如果这是可能的，我可能会如何实现它，请让我知道。我知道如何迭代执行此操作，但速度非常慢（我的数据帧有>；100万个条目）

例如：

回溯时间：3分钟

阈值：3

+---+-----------------------+-------+--------------------------+
|   |           myDate      |   V   | rolling | desired_column |
+---+-----------------------+-------+---------+----------------+
| 1 | 2020-04-01 10:00:00   | 0     |  0      |       0        |   
| 2 | 2020-04-01 10:01:00   | 1     |  1      |       1        | 
| 3 | 2020-04-01 10:02:00   | 2     |  3      |       3        | 
| 4 | 2020-04-01 10:03:00   | 1     |  4      |       1        | 
| 5 | 2020-04-01 10:04:00   | 0     |  4      |       1        | 
| 6 | 2020-04-01 10:05:00   | 4     |  7      |       5        | 
| 7 | 2020-04-01 10:06:00   | 1     |  6      |       1        | 
| 8 | 2020-04-01 10:07:00   | 1     |  6      |       2        | 
| 9 | 2020-04-01 10:08:00   | 0     |  6      |       0        |       
| 10| 2020-04-01 10:09:00   | 3     |  5      |       5        | 
+---+-----------------------+-------+---------+----------------+

在本例中，sum rulling sum将不考虑行上或之前任何超过（或等于）阈值3的值

Answer 1

我找不到一种矢量化的方法来在每次达到阈值时重置为0

但是Pandas列的底层容器是一个numpy数组，迭代一个numpy数组需要一段可接受的时间。因此，我想：

arr = np.zeros(len(df), dtype='int')
cum = 0
src = df['V'].values
dt = df['myDate'].values
start = 0
for i in range(len(df)):
    cum += src[i]
    while dt[start] < dt[i] - np.timedelta64(4, 'm'):
        cum -= src[start]
        start +=1
    arr[i] = cum
    if cum >=3:
        cum = 0
        start = i

df['desired_column'] = arr

它给出：

                myDate  V  rolling  desired_column
1  2020-04-01 10:00:00  0        0               0
2  2020-04-01 10:01:00  1        1               1
3  2020-04-01 10:02:00  2        3               3
4  2020-04-01 10:03:00  1        4               1
5  2020-04-01 10:04:00  0        4               1
6  2020-04-01 10:05:00  4        7               5
7  2020-04-01 10:06:00  1        6               1
8  2020-04-01 10:07:00  1        6               2
9  2020-04-01 10:08:00  0        6               2
10 2020-04-01 10:09:00  3        5               5

在我的i5机器上，长度为1000000的数组只需要几秒钟（10000的数组大约需要90秒）