如何基于DataFrame自身前值通过条件定义布尔型新列？

方法一：循环遍历（直观易懂，适合小数据集） #

你的需求是依赖前一行状态的状态切换逻辑，直接用矢量化操作无法引用未创建的列，所以可以用循环逐行处理：

import pandas as pd

# 示例数据
data = {'date': ['10/11', '11/11', '12/11', '13/11', '14/11'],
        'Value': [0.798, 1.235, 0.890, 0.756, 0.501]}
df = pd.DataFrame(data)

# 初始化新列，默认False
df['column'] = False

# 从第二行开始遍历更新状态
for i in range(1, len(df)):
    prev_state = df.loc[i-1, 'column']
    current_value = df.loc[i, 'Value']
    
    if prev_state:
        # 之前为True，仅当Value<0.75时切换为False
        df.loc[i, 'column'] = current_value >= 0.75
    else:
        # 之前为False，仅当Value>=1时切换为True
        df.loc[i, 'column'] = current_value >= 1

运行后得到的df['column']结果为：[False, True, True, True, False]，完全符合需求。

方法二：矢量化操作（高效，适合大数据集） #

如果数据集规模较大，循环效率偏低，可以用状态标记+分组的方式实现：

import pandas as pd

# 示例数据
data = {'date': ['10/11', '11/11', '12/11', '13/11', '14/11'],
        'Value': [0.798, 1.235, 0.890, 0.756, 0.501]}
df = pd.DataFrame(data)

# 标记状态切换触发点
trigger_true = df['Value'] >= 1
trigger_false = df['Value'] < 0.75
switch_points = trigger_true | trigger_false

# 生成分组键：每个切换点后创建新分组
group_key = switch_points.cumsum()

# 为每个分组设置统一状态
def assign_group_state(group):
    # 取分组第一个触发点的类型
    if trigger_true.loc[group.index[0]]:
        return pd.Series(True, index=group.index)
    elif trigger_false.loc[group.index[0]]:
        return pd.Series(False, index=group.index)
    else:
        return pd.Series(False, index=group.index)

df['column'] = df.groupby(group_key).apply(assign_group_state).reset_index(drop=True)

原代码报错原因 #

你尝试直接引用df['column'].shift(1)，但此时df['column']还未创建，所有值均为NaN，无法进行布尔逻辑判断，因此触发报错。必须先初始化列，或采用不依赖未创建列的方式实现状态传递。

内容的提问来源于stack exchange，提问作者vicefreak04