基于另一列值生成新列：用向量化实现距上次0的天数统计

首先看原始数据：

import pandas as pd
import numpy as np

values = [0, 22, 30, 0, 20, 22, 11, 0, 13]
index = pd.date_range(start='2023-10-1', periods=len(values))

df = pd.DataFrame({'values': values}, index=index)

目标是生成新列days，统计每行距离最近一次values为0的天数。

向量化解决方案 #

可以通过以下步骤实现，完全避免循环，效率更高：

# 标记0出现的位置
df['is_zero'] = df['values'] == 0

# 生成每个分组的起始索引（每次0出现时重置分组）
df['group'] = df['is_zero'].cumsum()

# 对每个分组内的行进行计数，从0开始
df['days'] = df.groupby('group').cumcount()

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

运行后得到的结果和循环方法一致：

values  days
2023-10-01      0     0
2023-10-02     22     1
2023-10-03     30     2
2023-10-04      0     0
2023-10-05     20     1
2023-10-06     22     2
2023-10-07     11     3
2023-10-08      0     0
2023-10-09     13     1

原理说明 #

• 标记0的位置：is_zero列用布尔值标记哪些行的values是0。
• 生成分组：cumsum()会在每次遇到True（即0出现）时累加，这样每两个0之间的行就会被分到同一个组里，每个0所在的行是新组的起点。
• 组内计数：groupby('group').cumcount()会在每个分组内从0开始计数，正好对应距离最近一次0的天数——0所在的行计数为0，之后每行依次加1，直到下一个0出现时重置为0。

这种方法利用pandas的内置向量化操作，比循环效率高得多，尤其是在处理大规模数据时优势明显。

内容的提问来源于stack exchange，提问作者Saeed