我有一个数据帧，如下所示
B_ID Session no_show cumulative_no_show
1 s1 0.4 0.4
2 s1 0.6 1.0
3 s1 0.2 1.2
4 s1 0.1 1.3
5 s1 0.4 1.7
6 s1 0.2 1.9
7 s1 0.3 2.2
10 s2 0.3 0.3
11 s2 0.4 0.7
12 s2 0.3 1.0
13 s2 0.6 1.6
14 s2 0.2 1.8
15 s2 0.5 2.3
其中cumulative_no_show是no_show的累积和。
根据以上内容，我想基于以下条件创建一个名为u_no_show的新列。
每当累积_no_show>=0.8时，则从下一个累积_no_show中减去1。等等
预期输出：
B_ID Session no_show cumulative_no_show u_no_show
1 s1 0.4 0.4 0.4
2 s1 0.6 1.0 1.0
3 s1 0.2 1.2 0.2
4 s1 0.1 1.3 0.3
5 s1 0.4 1.7 0.7
6 s1 0.2 1.9 0.9
7 s1 0.3 2.2 0.2
10 s2 0.3 0.3 0.3
11 s2 0.4 0.7 0.7
12 s2 0.3 1.0 1.0
13 s2 0.6 1.6 0.6
14 s2 0.2 1.8 1.8
15 s2 0.5 2.3 0.3
我假设您希望在每个会话中执行此操作。我不确定是否有矢量化的解决方案，所以我会创建一个函数来迭代值，并在需要时进行减法，然后使用groupby.apply:
def create_u_no_show (ser):
# convert to numpy aray and iterate
arr_ns = ser.to_numpy()
for i in range(len(arr_ns)-1):
# check if the condition is met
if arr_ns[i]>0.8:
# remove 1 to all the next values if the condition is met
arr_ns[i+1:] -= 1
# return a serie with the right index
return pd.Series(arr_ns, ser.index)
df['u_no_show'] = df.groupby(['Session'])['cumulative_no_show'].apply(create_u_no_show)
print (df)
B_ID Session no_show cumulative_no_show u_no_show
0 1 s1 0.4 0.4 0.4
1 2 s1 0.6 1.0 1.0
2 3 s1 0.2 1.2 0.2
3 4 s1 0.1 1.3 0.3
4 5 s1 0.4 1.7 0.7
5 6 s1 0.2 1.9 0.9
6 7 s1 0.3 2.2 0.2
7 10 s2 0.3 0.3 0.3
8 11 s2 0.4 0.7 0.7
9 12 s2 0.3 1.0 1.0
10 13 s2 0.6 1.6 0.6
11 14 s2 0.2 1.8 0.8
12 15 s2 0.5 2.3 1.3