Pandas DataFrame二进制序列转态识别：代码原理与优化问询

你的代码按CLI_CD分组处理每个客户的独立序列，核心逻辑拆解如下：

1. 定位连续6个0的窗口：df['TARGET'].rolling(6).sum().eq(0)
   • 对TARGET列做窗口大小为6的向前滚动求和，当窗口内所有值都是0时，求和结果为0，此时返回True。这一步会标记出连续6个0窗口的最后一行。
2. 映射到目标行：.shift(-6)
   • 将上一步得到的True向前移位6位，把连续6个0窗口的起始前一行（即需要标记的行）对应过来。比如第7-12行全为0，rolling(6).sum()会在第12行返回True，shift(-6)会把这个True放到第6行的位置。
3. 筛选当前行是1的情况：& df['TARGET'].eq(1)
   • 只有当目标行的TARGET值为1时，OUTPUT列才会标记为True，精准匹配你“当前行是1，且之后连续6行都是0”的需求。

合理性验证 #

• 分组逻辑正确：按CLI_CD分组避免了不同客户的行互相干扰，符合业务场景。
• 需求匹配准确：通过滚动求和+移位操作，完美实现了“标记最后一个满足后续6行全0的1所在行”的要求。

优化实现（更直观高效） #

原代码的向前窗口+移位写法稍显绕，可改为更直观的向后窗口写法，同时保留Pandas向量化操作的性能优势：

def verify(df):
    # 检查当前行之后的1-6行是否全为0：shift(-1)取到下一行，rolling(6)覆盖后续6行，min_periods=6确保必须有完整6行
    has_6_zeros_after = df['TARGET'].shift(-1).rolling(6, min_periods=6).sum().eq(0)
    # 同时满足当前行TARGET为1
    df['OUTPUT'] = df['TARGET'].eq(1) & has_6_zeros_after
    return df

df = df.groupby('CLI_CD').apply(verify)

性能提升建议 #

如果数据集规模较大，可直接用groupby结合原生滚动操作替代自定义函数，减少额外开销：

df['OUTPUT'] = df.groupby('CLI_CD').apply(
    lambda x: x['TARGET'].eq(1) & x['TARGET'].shift(-1).rolling(6, min_periods=6).sum().eq(0)
).reset_index(level=0, drop=True)

• 组内末尾行：如果某行是组内倒数第6行及以后，后续不足6行，has_6_zeros_after会返回False，符合需求（无连续6行0的条件不成立）。
• 连续1的场景：比如第5、6行都是1，后续7-12行全为0——此时只有第6行的OUTPUT会标记为True，因为它是最后一个满足后续6行全0的1，完全匹配你的要求。

内容的提问来源于stack exchange，提问作者Renata Lins