基于随机浮点数创建Pandas DataFrame状态列的实现问题

先明确完整的状态转移逻辑（结合你代码里的参数补充）：

• 当上一行状态为1时：
  • 若对应随机值 < pww → 当前状态为1
  • 否则 → 当前状态为0
• 当上一行状态为0时：
  • 若对应随机值 < pdw → 当前状态为1
  • 否则 → 当前状态为0

下面是具体实现代码，核心是通过迭代逐行计算状态，直接引用前一行的状态值：

import numpy as np
import pandas as pd

# 固定参数（可替换为input输入）
pww = 0.7
pdd = 0.3
pwd = 1 - pww
pdw = 1 - pdd

# 生成随机数DataFrame
randomdf = pd.DataFrame({
    "Random 1": np.random.rand(3650),
    "Random 2": np.random.rand(3650)
})

# 初始化状态列，第一行状态为1
randomdf['State'] = 0
randomdf.loc[0, 'State'] = 1

# 从第二行开始逐行计算状态
for i in range(1, len(randomdf)):
    prev_state = randomdf.loc[i-1, 'State']
    current_random = randomdf.loc[i, 'Random 1']  # 这里用Random 1，可根据需求换Random 2
    
    if prev_state == 1:
        # 上一行是1，判断是否保持1
        randomdf.loc[i, 'State'] = 1 if current_random < pww else 0
    else:
        # 上一行是0，判断是否转为1
        randomdf.loc[i, 'State'] = 1 if current_random < pdw else 0

关键说明： #

• 通过randomdf.loc[i-1, 'State']直接获取前一行的状态值，这是实现依赖前一行逻辑的核心。
• 如果需要用Random 2来判断，只需要把current_random的取值换成randomdf.loc[i, 'Random 2']即可。
• 若处理超大数据量想提效，可改用pandas向量化操作结合shift()，但3650行的规模下，循环足够直观且效率达标。

内容的提问来源于stack exchange，提问作者Lawrence