Pandas中创建依赖相邻单元格的条件列求助

需求回顾 #

现有如下DataFrame：

Colonne 1   Dimension 1
0  MTN_LI2      Indicator
1  MTN_IRU      Indicator
2  MTN_ACE      Indicator
3  MTN_IME      Indicator
4     RIPP7  Organisation
5    CA_SOT     Indicator
6    CA_OTI     Indicator
7     CNW00  Organisation
8     BSNTF  Organisation
9     RIPNJ  Organisation

需要新增一列，规则为：

• 当Dimension 1等于Organisation时，新列取对应行的Colonne 1值
• 当Dimension 1为Indicator时，新列取上一行的新列值（即填充最近的上方Organisation对应的Colonne 1值）

高效实现代码 #

直接使用Pandas的where结合ffill方法，这是向量化操作，性能远优于循环或下移行的方法：

import pandas as pd

# 构造示例DataFrame（可替换为你的实际数据）
data = {
    'Colonne 1': ['MTN_LI2', 'MTN_IRU', 'MTN_ACE', 'MTN_IME', 'RIPP7', 'CA_SOT', 'CA_OTI', 'CNW00', 'BSNTF', 'RIPNJ'],
    'Dimension 1': ['Indicator', 'Indicator', 'Indicator', 'Indicator', 'Organisation', 'Indicator', 'Indicator', 'Organisation', 'Organisation', 'Organisation']
}
df = pd.DataFrame(data)

# 创建新列
df['New_Column'] = df['Colonne 1'].where(df['Dimension 1'] == 'Organisation').ffill()

代码说明 #

1. df['Colonne 1'].where(df['Dimension 1'] == 'Organisation')：仅保留Dimension 1为Organisation的行的Colonne 1值，其余行设为NaN
2. .ffill()：向前填充NaN值，自动用最近的上方非空值填充连续的Indicator行，完美解决连续多个非Organisation的场景

最终结果 #

执行后DataFrame会新增New_Column列，结果如下：

Colonne 1   Dimension 1 New_Column
0  MTN_LI2      Indicator        NaN
1  MTN_IRU      Indicator        NaN
2  MTN_ACE      Indicator        NaN
3  MTN_IME      Indicator        NaN
4     RIPP7  Organisation      RIPP7
5    CA_SOT     Indicator      RIPP7
6    CA_OTI     Indicator      RIPP7
7     CNW00  Organisation      CNW00
8     BSNTF  Organisation      BSNTF
9     RIPNJ  Organisation      RIPNJ

（注：开头的NaN是因为前四行没有上方的Organisation值，若需要默认值可在ffill()后添加.fillna(默认值)处理）

内容的提问来源于stack exchange，提问作者luff1992