求助：如何在Pandas中基于Status变化追踪Carried_Value

需求说明 #

需要为包含Variable和Status字段的DataFrame生成Carried_Value字段，规则是：仅当Status发生变化时，更新该字段的数值；若Status未变化，则保持上一次更新后的值。此前尝试用np.select结合shift方法仅首次生效，后续无法持续携带目标值；循环迭代也未解决问题。

测试数据 #

Variable = [10,20,30,40,50,22, 60,70,100]
Status = [-1,1,-1,-1,-1,1,1,1,1]
zipped = list(zip(Variable, Status))
df = pd.DataFrame(zipped, columns=['Variable', 'Status'])

期望结果 #

尝试过的代码 #

col = 'Status'
conditions = [(df[col] == 1) & (df[col].shift(1) == -1), 
             (df[col] == -1) & (df[col].shift(1) == 1), 
             (df[col] == 1) & (df[col].shift(1) == 1), 
             (df[col] == -1) & (df[col].shift(1) == -1)]
choices = [df['Variable'], df['Variable'], df['Variable'].shift(1), df['Variable'].shift(1)]
df['Carried_Value'] = np.select(conditions, choices, default = 0)

解决方案 #

核心思路是先标记Status发生变化的位置，仅在这些位置保留Variable值，其余位置用向前填充（ffill）延续最近的有效数值：

# 标记Status变化的行（第一行默认算变化）
df['status_change'] = df['Status'].ne(df['Status'].shift(1)).fillna(True)
# 仅在变化行保留Variable值，其余设为NaN
df['Carried_Value'] = df['Variable'].where(df['status_change'])
# 向前填充NaN，得到持续携带的数值
df['Carried_Value'] = df['Carried_Value'].ffill()
# 可选：删除辅助列
df = df.drop('status_change', axis=1)

原方法失效的原因是shift(1)只能取前一行的原始Variable值，无法追踪已经更新后的Carried_Value；而ffill()会自动延续最近的有效数值，完美解决持续携带的问题。

内容的提问来源于stack exchange，提问作者jspreng007