基于DataFrame同列及新列前一行值生成新列的实现问题

先构造你提供的示例数据，方便直接验证代码：

import pandas as pd

df = pd.DataFrame({'Column A': [0, 0, 1, 2, 3, 0, 0, 1, 4]})

方法1：逐行循环（新手友好，逻辑完全对应Excel公式） #

这个方法完全复刻你写的B2 = IF(A2=0, 0, A2+B1)逻辑，每一步都直观易懂：

# 先把Column B初始化为全0
df['Column B'] = 0

# 从第二行开始遍历（索引从1开始，因为第一行没有前一行）
for i in range(1, len(df)):
    if df['Column A'].iloc[i] != 0:
        df['Column B'].iloc[i] = df['Column A'].iloc[i] + df['Column B'].iloc[i-1]
    # 当Column A为0时，保持0即可，无需额外操作

运行后Column B的结果就是你需要的：[0, 0, 1, 3, 6, 0, 0, 1, 5]。

方法2：向量化分组累加（高效，适合大数据集） #

如果你的数据量很大，循环会变慢，用Pandas的分组累加功能可以实现无循环的高效计算：

# 生成分组键：每当Column A为0时，分组号加1，让连续的非0值归为同一组
df['group'] = (df['Column A'] == 0).cumsum()

# 对每个分组内的Column A做累加，自动实现"非0时累加前值，遇0重置"的效果
df['Column B'] = df.groupby('group')['Column A'].cumsum()

# 可选：删除临时的group列
df = df.drop('group', axis=1)

原理是通过分组把需要连续累加的片段分开，组内累加自然就替代了“前一行B值+当前A值”的逻辑，结果和循环法完全一致，但运行效率提升很多。

为什么之前用shift没成功？ #

shift只能取原始列的前一行值，没法动态引用新生成的Column B的实时值，而循环或分组累加的方式刚好解决了这个“依赖自身前一行”的递归问题。

内容的提问来源于stack exchange，提问作者Jim