如何在DataFrame中为满足Condition2的行填充最近Condition1对应值？

数据老陈

2026-7-5

问题：基于条件填充最近匹配的前序值

我有如下DataFrame：

Index	Value	Condition1	Condition2
1	1	True	False
2	5	False	False
3	3	False	True
4	3	False	False
5	3	True	False
6	6	False	True

我希望检测Condition2为True的行，在新列中填充之前最近一行Condition1为True的Value值。期望输出如下：

Index	Value	Condition1	Condition2	New Column
1	1	True	False	None
2	5	False	False	None
3	3	False	True	1
4	3	False	False	None
5	3	True	False	None
6	6	False	True	3

我尝试用np.where()结合tail()实现，但代码出现语法错误：

df["New Column"] = np.where(df["Condition 2"]==True,df[df["Condition 1"]==True].["Value"].tail(1),None)

由于DataFrame可能很大，我希望用非循环的方式实现需求。

解决方案

可以通过矢量化操作高效实现，步骤如下：

生成一个序列，仅保留Condition1为True时的Value，其余设为NaN，再通过向前填充（ffill()）让每一行继承最近的前序有效Value
仅在Condition2为True的行保留上述填充后的值，其余行设为None

具体代码

import pandas as pd
import numpy as np

# 生成最近Condition1为True的Value的向前填充序列
last_true_value = df['Value'].where(df['Condition1']).ffill()
# 按Condition2筛选填充新列
df['New Column'] = np.where(df['Condition2'], last_true_value, None)

代码说明

df['Value'].where(df['Condition1'])：仅保留Condition1为True行的Value，其余行转为NaN
.ffill()：向前填充NaN，确保每一行都能获取到最近的前序Condition1为True的Value
np.where(df['Condition2'], last_true_value, None)：根据Condition2的布尔值，决定填充对应值还是None