如何在Pandas中依据前一行条件识别符合要求的‘Winner’周？

我来帮你搞定这个需求！根据你描述的规则，我们可以用Pandas的内置方法高效实现，不用复杂的lambda或者冗余循环（当然循环也能做，但Pandas风格的向量化操作更简洁高效）。

核心规则回顾 #

要标记为Winner的周必须同时满足两个条件：

• 当前周的Weekly_counts > 周平均值的20%（或者你预先计算好的Winner_Num阈值）
• 前一周没有被标记为Winner

实现步骤（分两种场景） #

场景1：需要自己计算Winner阈值（基于周平均值的20%）

假设你的数据集是名为df的Pandas DataFrame，包含Weekly_counts列，步骤如下：

1. 计算判定阈值：先算出周计数的平均值，再乘以1.2（即比平均值高20%）

# 计算周计数的平均值
weekly_avg = df['Weekly_counts'].mean()
# 生成Winner的判定阈值
winner_threshold = weekly_avg * 1.2

2. 标记候选行：先筛选出所有满足计数条件的行

df['is_candidate'] = df['Weekly_counts'] > winner_threshold

3. 应用"前一周不是Winner"的规则：用shift()获取前一行的候选状态，通过布尔运算得到最终结果

# 最终Winner列：满足计数条件，且前一行不是候选（第一行无前置行，默认符合条件）
df['Winner'] = df['is_candidate'] & ~df['is_candidate'].shift(1).fillna(False)

场景2：已经有预先计算好的Winner_Num列（对应Excel里的H列）

如果你的DataFrame已经包含Winner_Num阈值列，直接用它判断计数条件即可，步骤更简洁：

# 标记候选行
df['is_candidate'] = df['Weekly_counts'] > df['Winner_Num']
# 生成最终Winner标记
df['Winner'] = df['is_candidate'] & ~df['is_candidate'].shift(1).fillna(False)

为什么你之前用shift()和lambda没成功？ #

大概率是没处理好两个条件的逻辑组合，或者忽略了第一行的NaN问题（shift()后第一行的前一行状态是缺失值，需要用fillna(False)补全）。上面的代码用向量化布尔运算，既简洁又高效，还能避免循环带来的性能损耗。

验证结果 #

你可以打印df查看完整结果，或者用df[df['Winner']]筛选出所有Winner周，检查是否符合预期。

内容的提问来源于stack exchange，提问作者Hammond