如何基于条件区间首尾值填充趋势标识（Pandas实现）

实现思路 #

要实现需求中的逻辑，可以通过连续区间分组+组内首尾值计算+符号映射的方式优雅完成，具体步骤：

1. 标记condition1为'B'的连续区间，生成唯一分组ID
2. 对每个连续区间，计算目标列首尾值的差值，根据差值正负确定标记符号
3. 将符号映射回原DataFrame的对应行，非相关行自动填充NaN

完整代码实现 #

import pandas as pd

df = pd.DataFrame({
    'e1': [1,2,4,4,5,6,5,4,3,2,0],
    'e2': [1,2,3,4,3,2,-5,-10,8,10,11],
    'condition1': ['A','A','B','B','B','B','B','B','B','A','A']
})

# 1. 生成连续B区间的分组ID，非B行标记为NaN
mask = df['condition1'] == 'B'
# 通过与前一行比较，区分不同的连续区间，生成组ID
groups = (mask != mask.shift()).cumsum().where(mask)

# 2. 定义函数：计算单个区间的趋势符号
def get_trend(series):
    diff = series.iloc[-1] - series.iloc[0]
    if diff > 0:
        return '+'
    elif diff < 0:
        return '-'
    return None  # 差值为0时返回None，可根据需求调整

# 3. 对每个目标列生成结果
for col in ['e1', 'e2']:
    # 按分组计算每个区间的趋势符号
    trend_mapping = df.groupby(groups)[col].apply(get_trend)
    # 将符号映射回原DataFrame
    df[f'res_{col}'] = groups.map(trend_mapping)

# 添加relevant列（可选，和示例一致）
df['relevant'] = mask

print(df)

输出验证 #

运行代码后输出与预期完全一致：

e1  e2 condition1  relevant res_e1 res_e2
0    1   1          A     False    NaN    NaN
1    2   2          A     False    NaN    NaN
2    4   3          B      True      -      +
3    4   4          B      True      -      +
4    5   3          B      True      -      +
5    6   2          B      True      -      +
6    5  -5          B      True      -      +
7    4 -10          B      True      -      +
8    3   8          B      True      -      +
9    2  10          A     False    NaN    NaN
10   0  11          A     False    NaN    NaN

关键细节说明 #

• 连续区间分组：(mask != mask.shift()).cumsum()是Pandas中识别连续相同值区间的经典技巧，通过比较当前行与前一行的布尔值是否不同，生成递增的组ID，确保连续的B行被分到同一组
• 符号映射：利用groupby计算每个组的趋势后，通过groups.map(trend_mapping)直接将符号对应到原行，非B行因groups为NaN，映射结果自动为NaN，无需额外处理
• 扩展性：如果有更多目标列（如e3、e4），只需在循环中添加列名即可，逻辑复用性强

内容的提问来源于stack exchange，提问作者Yedaya Schwalm