在Pandas中无需循环获取列前值？实现条件索引存储需求

你要实现的是：新建一列c，当df['a']为True时存当前行的索引；如果df['a']是False，就存c列前一行的值。

先说说你这两次尝试的问题：

• Attempt 1：直接写df['c'].shift(1)会报错，因为这时候df['c']还没创建呢，Pandas找不到这个列。
• Attempt 2：先把c设成索引，再用np.where替换，但df['c'].shift(1)用的是原始索引列移位后的值，不是更新后的c列前一行的值。比如第2行a是False，它会取第1行的原始索引1，而不是我们要的第1行更新后的0，结果不对。

正确的实现方法 #

不用循环，用Pandas自带的函数就能搞定，给你几种简单的方式：

方法1：where + ffill组合 #

先只保留a为True时的索引，其他位置设成空值，再用向前填充把空值补上：

import pandas as pd
import numpy as np

df = pd.DataFrame({'a': [True, False, False, True, True, False], 'b': [0, 0, 0, 3, 4, 4]})

df['c'] = df.index.where(df['a']).ffill()

方法2：mask + ffill组合 #

和上面逻辑反过来，先把c设成索引，再把a为False的位置改成空值，然后向前填充：

df['c'] = df.index
df['c'] = df['c'].mask(~df['a']).ffill()

方法3：cummax巧解（适合索引递增的情况） #

因为你的索引是从0开始递增的，当a为True时用当前索引，否则取之前最大的索引，刚好符合需求：

df['c'] = (df.index * df['a']).cummax()

最终效果 #

不管用哪种方法，运行后df都会变成这样：

a  b    c
0   True  0  0.0
1  False  0  0.0
2  False  0  0.0
3   True  3  3.0
4   True  4  4.0
5  False  4  4.0

完全符合你的要求，而且全程没用到循环，处理大数据量的时候效率也更高。

内容的提问来源于stack exchange，提问作者aeiou