基于Pandas实现按前置行条件生成生命周期列的高效方法

直接用Pandas的分组、移位和累积求和操作，完全避免循环，速度比for循环快几个数量级，步骤如下：

1. 转换condition为数值标志：将condition列的True转为1，False转为0，方便后续计算。
2. 移位标志列：使用shift(1)把每个True的影响延迟到下一行，并用fillna(0)填充第一行的空值（因为第一行没有前一行）。
3. 分组累积求和：按用户ID分组后，对移位后的标志列计算累积和，最后加1得到初始值为1的new_col。

代码示例 #

假设你的DataFrame名为df，用户ID列名为user_id，condition列名为condition：

import pandas as pd

# 1. 生成标志列
df['flag'] = df['condition'].astype(int)
# 2. 移位并填充空值
df['shifted_flag'] = df.groupby('user_id')['flag'].shift(1).fillna(0)
# 3. 分组累积求和后加1得到new_col
df['new_col'] = df.groupby('user_id')['shifted_flag'].cumsum() + 1

# 可选：删除中间辅助列
df.drop(['flag', 'shifted_flag'], axis=1, inplace=True)

逻辑验证 #

拿你给出的示例数据测试，对应关系完全匹配需求：

效率说明 #

Pandas的分组、移位、cumsum都是基于NumPy的向量化操作，底层用C实现，比Python级别的for循环快得多，即使处理百万级数据也能秒级完成。

内容的提问来源于stack exchange，提问作者bachts