如何基于另一列存储的索引向量化创建新列？含替代方案问询

我有一列存储了滑动窗口（rolling window）中另一列的最后有效索引，实现逻辑基于某Stack Overflow方案。示例如下：

d = {'col': [True, False, True, True, False, False]}
df = pd.DataFrame(data=d)

通过以下代码得到滑动窗口内的最后有效索引：

df['new'] = df.index
df['new'] = df['new'].where(df.col).ffill().rolling(3).max()

输出结果：

0    NaN
1    NaN
2    2.0
3    3.0
4    3.0
5    3.0

两个具体问题 #

1. 如何利用这些索引，将同一DataFrame中另一列col_b对应索引的值存入新列new_col？例如，若col_b为：

   'col_b': [100, 200, 300, 400, 500, 600]
   

   则new_col的期望结果为：

   0    NaN
   1    NaN
   2    300
   3    400
   4    400
   5    400
   

2. 是否可以直接使用初始列col来实现该需求（始终基于滑动窗口）？

问题1：利用已有索引列获取col_b对应值 #

可以通过take()方法配合类型转换实现，这是最简洁的方式：

# 构造完整的DataFrame
d = {'col': [True, False, True, True, False, False], 'col_b': [100, 200, 300, 400, 500, 600]}
df = pd.DataFrame(data=d)

# 生成滑动窗口内的最后有效索引列
df['new'] = df.index
df['new'] = df['new'].where(df.col).ffill().rolling(3).max()

# 生成目标列new_col
df['new_col'] = df['col_b'].take(df['new'].astype('Int64'), allow_fill=True)

运行后new_col的输出完全符合预期：

0    NaN
1    NaN
2    300
3    400
4    400
5    400

说明：astype('Int64')将float类型的索引转为支持缺失值的整数类型，allow_fill=True让NaN位置返回NaN，完美匹配需求。

问题2：直接用初始列col实现需求 #

当然可以，无需单独生成索引列，直接对col_b应用相同逻辑即可：

d = {'col': [True, False, True, True, False, False], 'col_b': [100, 200, 300, 400, 500, 600]}
df = pd.DataFrame(data=d)

# 直接生成new_col
df['new_col'] = df['col_b'].where(df['col']).ffill().rolling(3).max()

输出结果与预期一致：

0    NaN
1    NaN
2    300.0
3    400.0
4    400.0
5    400.0

说明：核心逻辑和处理索引的思路一致——先用where(df['col'])保留col为True时的col_b值，其余设为NaN；再用ffill()向前填充最近有效值；最后通过rolling(3).max()确保只取滑动窗口内的最后有效值（因索引递增，最大值对应窗口内最新的有效记录）。

内容的提问来源于stack exchange，提问作者j riv