如何在Python Pandas DataFrame中识别条件首次出现并标记买卖状态？

这是一个典型的依赖序列状态的问题——新列STATUS的取值完全依赖于之前的标记结果，直接用Pandas的矢量化操作会比较绕，用迭代遍历的方式反而更直观清晰。下面是完全匹配你需求的实现方案：

步骤1：构造示例数据集（可替换为你的真实数据） #

import pandas as pd

# 你提供的示例数据
data = {
    'Col': [0, -1.41, 0, -7.37, -8.78, -11.6, 0, -5, -6.1, -8, -11, 0, 0, -9]
}
df = pd.DataFrame(data)

步骤2：实现STATUS列生成逻辑 #

# 初始化STATUS列为0
df['STATUS'] = 0

# 跟踪两个关键状态：是否出现过Buy，以及最近的非0 STATUS值
has_buy = False
last_non_zero_status = None

# 遍历每一行数据
for idx, row in df.iterrows():
    current_col = row['Col']
    
    # 处理第一行的特殊情况
    if idx == 0:
        if current_col == 0:
            df.loc[idx, 'STATUS'] = 'Buy'
            has_buy = True
            last_non_zero_status = 'Buy'
        continue
    
    # 规则a：满足Col==0，且最近的非0状态是Sell时标记为Buy
    if current_col == 0:
        if last_non_zero_status == 'Sell':
            df.loc[idx, 'STATUS'] = 'Buy'
            last_non_zero_status = 'Buy'
    
    # 规则b：满足Col<=-8，且之前出现过Buy，且最近的非0状态不是Sell时标记为Sell
    elif current_col <= -8:
        if has_buy and last_non_zero_status != 'Sell':
            df.loc[idx, 'STATUS'] = 'Sell'
            last_non_zero_status = 'Sell'
    
    # 其他情况保持STATUS为0，且不更新last_non_zero_status（保留最近的有效状态）

验证结果 #

运行上述代码后，df的输出完全匹配你的示例：

逻辑说明 #

• has_buy变量确保只有在出现过Buy标记后，才能标记Sell；
• last_non_zero_status变量跟踪最近一次的有效标记（Buy/Sell），避免连续出现相同的标记；
• 遍历过程中仅在满足规则时更新STATUS和状态变量，其他情况保持默认的0，同时保留最近的有效状态。

内容的提问来源于stack exchange，提问作者 vista