如何基于DataFrame中Check列的条件切换Skip列的布尔值？

要实现当Check列值为True时翻转Skip列状态，否则保持上一状态的需求，核心是让Skip列的当前值依赖于历史翻转次数，而非独立计算。以下是两种高效实现方式：

方法一：向量化累积计算（推荐，适合大数据集） #

利用cumsum()统计Check列中True的累积次数，通过判断累积次数的奇偶性来确定当前Skip状态：

• 累积次数为偶数：未翻转/翻转偶数次 → Skip=False
• 累积次数为奇数：翻转奇数次 → Skip=True

代码示例：

# 假设df_ohlcv已生成Check列
df_ohlcv["Check"] = ... # 你的条件逻辑
# 生成Skip列
df_ohlcv["Skip"] = (df_ohlcv["Check"].cumsum() % 2).astype(bool)

验证你的示例数据：
Check列的累积和依次为0,0,0,1,1,1,1,2,2,2,2,3,3,3，取余2后得到0,0,0,1,1,1,1,0,0,0,0,1,1,1，转布尔值后完全匹配你期望的Skip列结果。

方法二：迭代遍历（适合小数据集） #

通过循环逐行更新Skip状态，直观易懂但效率较低：

skip_state = False  # 初始状态
skip_list = []
for check_val in df_ohlcv["Check"]:
    if check_val:
        skip_state = not skip_state
    skip_list.append(skip_state)
df_ohlcv["Skip"] = skip_list

为什么你的原代码失效？ #

原代码中df_ohlcv["Skip"].where(...)的问题在于：

1. 未初始化Skip列时会触发KeyError；
2. 若初始化固定值（如False），向量化操作会基于初始值而非上一行状态翻转，导致无法保留历史状态，最终Skip列只会在初始值和单次翻转值间切换，而非持续继承状态。

内容的提问来源于stack exchange，提问作者Omegaruins