Python Pandas：统计值变更前前置符合条件行数（向量化实现）

我有如下DataFrame，需要生成Days_Out列：

规则：每当Form_Req列值为1时，统计该位置之前连续出现的Out_In列中值为1的行数（直到遇到0为止）。由于数据量超过100万行，必须采用向量化解决方案，避免循环导致性能问题。

以下是基于pandas的高效实现，全程无循环，适配百万级数据量：

import pandas as pd

# 假设你的数据存储在df中，若Date列未转为日期类型可执行下方注释代码
# df['Date'] = pd.to_datetime(df['Date'], format='%d/%m/%Y')

# 1. 标记连续Out_In=1的分组
# 当当前行Out_In=1且上一行是0时，触发新分组
df['group_id'] = (df['Out_In'] == 1) & (df['Out_In'].shift(1) == 0)
df['group_id'] = df['group_id'].cumsum()

# 2. 每个分组内累计计数连续1的行数
df['running_count'] = df.groupby('group_id')['Out_In'].cumsum()

# 3. 为Form_Req=1的行赋值对应连续1的行数，其余行设为0
df['Days_Out'] = df['running_count'].shift(1).where(df['Form_Req'] == 1, 0)

# 可选：清理临时辅助列
df = df.drop(['group_id', 'running_count'], axis=1)

1. 分组标识：group_id用于区分每一段连续的Out_In=1序列，确保每一段独立计数。
2. 累计计数：在每个分组内对Out_In求和（因Out_In是0/1，求和等价于计数），得到该段连续1的累计行数。
3. 赋值逻辑：当Form_Req=1时，取上一行的累计计数（即该段连续1的总长度），其他位置设为0，完全匹配需求。

内容的提问来源于stack exchange，提问作者Declan Mc Gann