python—在熊猫数据帧中按组对范围之间的值进行累积计数

假设我有以下数据。对于每个 user_id，我希望每次差异分数 <= -2 时都获得一个累积计数，直到它达到一个正值。然后计数应重置为零并保持该值，直到该用户遇到下一个 <= -2，然后计数再次从 1 开始，直到达到下一个正值。结果应该等同于我在 cum_count 中的结果。

我知道这应该很容易，但这让我很难过......

df = pd.DataFrame({'user_id': [1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3],
                   'difference_score': [0.0, 1.0, -2.5, -2.5, -0.5, -1.5, 2.25, 2.25, -1.86, 0.0, -0.33, -1.33, -2.33, 0.0, 1.0, -2.67, -0.67, -0.67, 0.67, -0.33, -0.33, 1.0],
                   'cum_count': [0, 0, 1, 2, 3, 4, 0, 0, 0, 0, 0, 0, 1, 0, 0, 1, 2, 3, 0, 0, 0, 0]})

print(df)

        user_id  difference_score  cum_count
0         1            0.0000          0
1         1            1.0000          0
2         1           -2.5000          1
3         1           -2.5000          2
4         1           -0.5000          3
5         1           -1.5000          4
6         1            2.2500          0
7         1            2.2500          0
8         2           -1.8571          0
9         2            0.0000          0
10        2           -0.3333          0
11        2           -1.3333          0
12        2           -2.3333          1
13        2            0.0000          0
14        3            1.0000          0
15        3           -2.6667          1
16        3           -0.6667          2
17        3           -0.6667          3
18        3            0.6667          4
19        3           -0.3333          5
20        3           -0.3333          6
21        3            1.0000          0

编辑：根据您的解决方案 mozway，我发现了几个实例，其中建议的解决方案没有产生预期的结果。抱歉，我的示例数据不够广泛。我现在扩展了上面的示例数据以突出显示这一点。

例如，在下面更新的数据框中，第 14 行 cum_count 应该为 0，因为它是一个新用户，并且差异分数 > -2。但是，cum_count2 产生 1。

此外，一旦达到正值并且计数重置为 0，下次遇到该用户的值 <= -2 时，计数应重新从 1 开始。但是，在第 19 行，cum_count2 继续从以前的计数。与当前解决方案在 cum_count2 中返回的值相比，更新后的 cum_count 列具有我期望返回的值...

df = pd.DataFrame({'user_id': [1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3],
                   'difference_score': [0.0, 1.0, -2.5, -2.5, -0.5, -1.5, 2.25, 2.25, -1.86, 0.0, -0.33, -1.33, -2.33, -2.0, -1.0, -2.67, -0.67, -0.67, 0.67, -2.5, -0.33, 1.0],
                   'cum_count': [0, 0, 1, 2, 3, 4, 0, 0, 0, 0, 0, 0, 1, 2, 0, 1, 2, 3, 0, 1, 2, 0]})

print(df)

    user_id  difference_score  cum_count  cum_count2
0         1              0.00          0           0
1         1              1.00          0           0
2         1             -2.50          1           1
3         1             -2.50          2           2
4         1             -0.50          3           3
5         1             -1.50          4           4
6         1              2.25          0           0
7         1              2.25          0           0
8         2             -1.86          0           0
9         2              0.00          0           0
10        2             -0.33          0           0
11        2             -1.33          0           0
12        2             -2.33          1           1
13        2             -2.00          2           2
14        3             -1.00          0           1
15        3             -2.67          1           2
16        3             -0.67          2           3
17        3             -0.67          3           4
18        3              0.67          0           0
19        3             -2.50          1           5
20        3             -0.33          2           6
21        3              1.00          0           0