基于Pandas DataFrame前一行同列生成OUTPUT列（Numpy实现）及报错修复

数据集与需求 #

给定数据集：

import pandas as pd
import numpy as np

x = {"INPUT" : ['A','B','B','B','B','B','A','B','B','C','B','B','C','B','B','A','B','C']}
df = pd.DataFrame(x)

需要生成OUTPUT列，规则如下：

• 当INPUT值为A时，OUTPUT为A
• 当INPUT值为C时，OUTPUT为C
• 当INPUT值为B时，OUTPUT取该位置最近的前置非B值（即前面最近的A或C）

原代码报错原因 #

你写的代码出现KeyError: 'OUTPUT'，是因为在定义条件时引用了还未创建的df["OUTPUT"]列，此时该列不存在，自然无法调用shift方法。此外，原逻辑试图用shift依赖前一行的OUTPUT，这种方式会导致循环依赖，无法正确初始化。

正确实现方案 #

需求本质是将每个B替换为最近的前置非B值，用**向前填充（forward fill）**的思路最高效，适合大数据集。以下是两种实现方式：

方式1：Pandas 原生方法（简洁高效） #

# 先复制INPUT列到OUTPUT
df["OUTPUT"] = df["INPUT"]
# 将OUTPUT中的B替换为NaN，然后向前填充非NaN值
df["OUTPUT"] = df["OUTPUT"].replace("B", np.nan).ffill()

方式2：Numpy 实现（适合极致性能需求） #

如果必须用Numpy实现，可通过标记非B位置，然后向前填充对应值：

# 获取INPUT的数组形式
input_arr = df["INPUT"].values
# 标记非B的索引位置
non_b_mask = input_arr != "B"
# 记录非B位置的值和索引
non_b_values = input_arr[non_b_mask]
non_b_indices = np.where(non_b_mask)[0]
# 用np.searchsorted找到每个位置对应的最近前置非B索引
fill_indices = np.searchsorted(non_b_indices, np.arange(len(input_arr)), side="right") - 1
# 生成结果数组并赋值给DataFrame
df["OUTPUT"] = non_b_values[fill_indices]

验证结果 #

执行后df的内容如下：

内容的提问来源于stack exchange，提问作者Krishnendu Dutta