如何在DataFrame中实现Actual Result=1时的递增计数列？

原代码问题分析 #

你的代码无法实现递增计数的核心问题有两个：

1. 循环完全无效：func_count里的for i in range(1,880)没有实际作用——第一次循环i=1时就执行了return，函数直接终止，导致满足条件时永远返回1，不满足时返回'-'。
2. 无计数状态维护：apply逐行调用函数时，每次调用都是独立的函数实例，无法保存之前的计数状态，自然没法实现累加递增。

解决方案 #

方法1：用Pandas内置函数（推荐，高效简洁） #

利用布尔掩码和cumsum()直接实现条件累加，这是Pandas中最符合范式的做法：

# 标记所有Actual Result等于1的行
mask = X_machine_learning['Actual Result'] == 1
# 对满足条件的行累加计数
X_machine_learning['Count'] = mask.cumsum()
# 将不满足条件的行替换为'-'
X_machine_learning.loc[~mask, 'Count'] = '-'

mask.cumsum()会对布尔值（True=1，False=0）进行累加，自动为每个满足条件的行生成递增计数，再通过loc把不满足条件的行替换成你需要的'-'。

方法2：带状态的自定义函数（适合复杂逻辑扩展） #

如果需要更复杂的判断逻辑，可以用闭包维护计数状态：

def create_counter():
    count = 0
    def counter(row):
        nonlocal count
        if row['Actual Result'] == 1:
            count += 1
            return count
        else:
            return '-'
    return counter

# 创建带状态的计数器函数
count_func = create_counter()
# 逐行应用到DataFrame
X_machine_learning['Count'] = X_machine_learning.apply(count_func, axis=1)

闭包create_counter会生成一个维护count变量的counter函数，每次调用counter时都会更新并复用这个计数，实现递增效果。

内容的提问来源于stack exchange，提问作者new_data