基于跨行条件创建Pandas布尔列：对比同区域隔年Geometry值

现有Pandas DataFrame包含Year（年份）、District（区域）、Geometry（几何数据，GeometryArray类型）列，需新增一列判断当前行的Geometry是否与同一区域两年前的Geometry相同（例如1902年101区域对比1900年101区域的几何数据），返回布尔值。

用户尝试的代码（存在逻辑与语法问题）：

df['geometry change from last year'] = np.where(df['geometry'].at[df.index[i]]!= climate[geometry].at[df.index[i-2]], 'True', 'False')

示例数据：

核心思路 #

由于年份可能不连续（如示例中无1901年数据），直接用shift()移位会导致匹配错误，因此采用合并关联的方式，精准匹配同区域、年份差2的几何数据后再对比。

步骤与代码 #

1. 排序数据：确保同区域内年份按升序排列

df = df.sort_values(['District', 'Year']).reset_index(drop=True)

2. 创建临时关联表：将年份减2，保留区域和对应年份的几何数据

temp_df = df[['District', 'Year', 'Geometry']].copy()
temp_df['Year'] = temp_df['Year'] - 2
temp_df = temp_df.rename(columns={'Geometry': 'geometry_2years_ago'})

3. 关联原表与临时表：匹配同区域、年份差2的记录

df = df.merge(temp_df, on=['District', 'Year'], how='left')

4. 生成条件列：对比当前几何数据与两年前的数据，返回布尔值

# 生成布尔值列（推荐使用，更适合后续数据处理）
df['geometry_change'] = df['Geometry'] != df['geometry_2years_ago']

# 若需字符串格式的TRUE/FALSE
df['geometry_change_str'] = df['geometry_change'].astype(str).str.upper()

结果说明 #

• 无两年前数据的行（如示例中1900年记录），geometry_2years_ago为NaN，由于NaN与任何值对比均返回True，符合示例中的TRUE结果
• 有两年前数据的行（如1902年记录），会精准对比同区域对应年份的几何数据，返回正确布尔值

内容的提问来源于stack exchange，提问作者SturgeonNW