如何用Pandas实现按规则生成依赖前值的grouping列？

AI 小北

2026-8-1

高效实现Pandas分组列填充需求

问题背景

现有如下Pandas DataFrame：

idx	result	grouping
1	False
2	True
3	True
4	False
5	True
6	True
7	True
8	False
9	True
10	True
11	True
12	True

需要实现逻辑：

当result为False时，grouping取对应行的idx值
当result为True时，grouping取前一行的grouping值

最终期望结果：

idx	result	grouping
1	False	1
2	True	1
3	True	1
4	False	4
5	True	4
6	True	4
7	True	4
8	False	8
9	True	8
10	True	8
11	True	8
12	True	8

失败尝试分析

之前尝试的代码存在逻辑或语法问题：

df['grouping'] = df['idx'] if not df['result'] else df['grouping'].shift(1)：not df['result']无法对Series做整体布尔判断，需用向量化条件
df['grouping'] = df.apply(lambda x: x['idx'] if not x['result'] else x['grouping'].shift(1), axis=1)：单行数据的x['grouping']是单个值，无shift方法，且逐行apply效率低下

高效解决方案

使用Pandas的向量化操作实现，避免循环或逐行处理：

import pandas as pd

# 构造示例DataFrame
data = {
    'idx': [1,2,3,4,5,6,7,8,9,10,11,12],
    'result': [False,True,True,False,True,True,True,False,True,True,True,True],
    'grouping': ['']*12
}
df = pd.DataFrame(data)

# 核心逻辑：先标记分组锚点，再向前填充
df['grouping'] = df['idx'].where(~df['result'])  # result为False时取idx，否则设为NaN
df['grouping'] = df['grouping'].ffill()  # 向前填充NaN，实现True行继承前一行分组值
df['grouping'] = df['grouping'].astype(int)  # 转换为整数类型（按需选择）

print(df)

代码说明

df['idx'].where(~df['result'])：利用where方法做向量化条件筛选，仅保留result为False行的idx值，其余行设为NaN
ffill()：全称forward fill，将所有NaN值替换为前一个非NaN的值，完美匹配True行继承前一行分组值的需求
astype(int)：由于填充后的值默认是float类型，可按需转换为整数，保证数据类型符合预期