如何基于Pandas DataFrame某列值创建倒计数新列

我需要在Pandas DataFrame中基于is_longest_activation列创建新列is_in_longest_activation，规则如下：

• 当is_longest_activation列出现非零值N时，从该行开始向上倒计数至0，覆盖N行（包含当前行）
• 若计数范围出现重叠（前一个计数还未到0时又出现新的非零值），则以新的非零值为起点重新计数

示例数据 #

当前尝试的代码 #

UpEnergy["is_longest_activation"] = UpEnergy["consecutive_activations_count"].where(
    UpEnergy["consecutive_activations_count"] == UpEnergy["consecutive_activations_count_daily_max"],
    0
)

counter = UpEnergy["is_longest_activation"].where(UpEnergy["is_longest_activation"].ne(0)).bfill().fillna(0, downcast='infer')
UpEnergy["is_in_longest_activation"] = counter.sub(
    UpEnergy.groupby(counter).cumcount(ascending=False)
).clip(lower=0)

现有代码的bfill()逻辑无法处理计数重叠的情况，下面提供两种可行实现：

方法1：反向遍历（直观易理解） #

通过从DataFrame末尾向前遍历，天然优先处理靠后的非零值，解决重叠覆盖问题：

# 初始化目标列
UpEnergy["is_in_longest_activation"] = 0
current_count = 0

# 从最后一行向前遍历
for i in reversed(range(len(UpEnergy))):
    # 遇到非零值时重置计数
    if UpEnergy.loc[i, "is_longest_activation"] != 0:
        current_count = UpEnergy.loc[i, "is_longest_activation"]
    # 赋值当前计数并递减
    UpEnergy.loc[i, "is_in_longest_activation"] = current_count
    if current_count > 0:
        current_count -= 1

方法2：向量化优化（适合大数据集） #

通过计算非零值的覆盖区间，去重后生成计数序列，效率更高：

# 提取所有非零值的位置和对应数值
non_zero_records = UpEnergy[UpEnergy["is_longest_activation"] != 0].reset_index()
non_zero_records["start_idx"] = non_zero_records["index"] - non_zero_records["is_longest_activation"] + 1
non_zero_records["end_idx"] = non_zero_records["index"]

# 从后往前排序，保留每个位置最新的覆盖区间（解决重叠）
non_zero_records = non_zero_records.sort_values("index", ascending=False).drop_duplicates(subset=pd.RangeIndex(len(UpEnergy)), keep="first")

# 生成目标列结果
result = pd.Series(0, index=UpEnergy.index)
for _, row in non_zero_records.iterrows():
    start_pos = max(0, row["start_idx"])
    end_pos = row["end_idx"]
    # 生成从N到0的倒计数序列
    result.loc[start_pos:end_pos] = range(row["is_longest_activation"], -1, -1)

UpEnergy["is_in_longest_activation"] = result

内容的提问来源于stack exchange，提问作者arj