如何结合np.where与Pandas列，用前次交叉值填充至下次交叉触发

问题描述 #

我编写了如下代码：

df['cross'] = np.where((df['mean_close_spread'].shift(1) < 0) & (df['mean_close_spread'] > 0), 'cross', 'none')

df['cross_price'] = np.where((df['cross'] == 'cross'), df['close'], 'none')

这段代码生成的DataFrame如下：

我希望当cross列值为none时，cross_price列不再填充none，而是用上一次cross对应的close值填充，直到下一次cross出现。期望的DataFrame如下：

解决方法 #

可以利用Pandas的缺失值填充功能实现需求，有两种简洁的实现方式：

方式一：基于原有代码修改

import numpy as np
import pandas as pd

# 保留原有的cross列生成逻辑
df['cross'] = np.where((df['mean_close_spread'].shift(1) < 0) & (df['mean_close_spread'] > 0), 'cross', 'none')
# 先生成初始的cross_price
df['cross_price'] = np.where((df['cross'] == 'cross'), df['close'], 'none')

# 替换+向前填充+还原开头的none
df['cross_price'] = df['cross_price'].replace('none', np.nan).ffill().replace(np.nan, 'none')

方式二：一步到位生成

直接在生成cross_price时使用缺失值，再做填充：

import numpy as np
import pandas as pd

df['cross'] = np.where((df['mean_close_spread'].shift(1) < 0) & (df['mean_close_spread'] > 0), 'cross', 'none')
# 生成cross_price时用NaN代替none
df['cross_price'] = np.where(df['cross'] == 'cross', df['close'], np.nan)
# 向前填充缺失值，再把开头无前置cross的NaN换回none
df['cross_price'] = df['cross_price'].ffill().replace(np.nan, 'none')

逻辑说明 #

1. 替换为NaN：将字符串none转为Pandas可识别的缺失值NaN，这样才能使用填充方法。
2. 向前填充（ffill）：用最近的非缺失值填充后续的缺失值，正好实现“用上一次cross对应值填充直到下一次cross出现”的需求。
3. 还原开头的none：将序列开头没有前置cross值的NaN换回none，与期望结果完全匹配。

内容的提问来源于stack exchange，提问作者Jack Mahon