如何基于两个DataFrame的条件及t-1值创建新DataFrame

你可以通过Pandas的布尔掩码和移位操作实现需求，以下是完整代码：

import pandas as pd

# 定义原始DataFrame
P = pd.DataFrame({'col1': [26.7,24.7,26.1,26.4,24.5], 
                  'col2': [30.8,30.8,30.7,30.8,29.8], 
                  'col3': [30.8,30.7,30.5,30.6,30.0]})
PR = pd.DataFrame({'col1': [79.8,73.6,81.1,79.4,75.7], 
                   'col2': [74.1,74.1,77.0,74.7,74.1], 
                   'col3': [74.0,74.0,76.4,74.3,74.8]})

# 生成条件掩码
p_mask = P >= 30.6
pr_mask = PR < PR.shift(1)

# 合并条件并转换为0/1整数
result = (p_mask & pr_mask).astype(int)

print(result)

逻辑拆解 #

1. P的条件判断：P >= 30.6会生成一个布尔DataFrame，满足条件的位置为True，否则为False
2. PR的时序对比：PR.shift(1)将每列的元素向下移动一位（第一行变为NaN），PR < PR.shift(1)就能判断当前值是否小于前一时刻的值。由于NaN参与比较的结果为False，第一行自然全部为0，符合需求
3. 合并条件并转换：用&对两个布尔DataFrame做逐元素逻辑与，再通过astype(int)把True转为1、False转为0，得到最终结果

运行代码后输出的result与你期望的结果完全一致：

col1  col2  col3
0     0     0     0
1     0     1     1
2     0     0     0
3     0     1     0
4     0     0     0

内容的提问来源于stack exchange，提问作者Pedro de Sá