Python Pandas布尔列条件判断问题：基于历史行生成新列

原代码的核心错误 #

1. 错误使用bool()方法：df.col1.bool是引用方法对象，而非调用方法。即使改为df.col1.bool()，也只能用于单个布尔值的标量，无法直接作用于整个Series（Series包含多个元素，会触发ValueError）。
2. 非向量化的判断逻辑：用Python原生if语句处理整个Series，会导致col2被统一赋值为同一个值，完全无法实现逐行判断的需求——这违背了Pandas的向量化操作设计思想。

正确实现方案 #

我们需要用Pandas向量化运算，逐行判断两个核心条件：

• 当前行col1的值为True
• 前三行（前1、前2、前3行）中至少有一行col1为False

方法一：直接向量化逻辑运算（直观易懂）

import pandas as pd

names = {'col1': [False, False, False, False, False, True, True, True, False, False]}
df = pd.DataFrame(names, columns=['col1'])

# 条件1：当前行col1为True
current_true = df['col1']
# 条件2：前三行中存在至少一个False（NaN替换为False，因为前几行无对应前三行）
prev_has_false = (~df['col1'].shift(1)).fillna(False) | \
                 (~df['col1'].shift(2)).fillna(False) | \
                 (~df['col1'].shift(3)).fillna(False)

# 两个条件同时满足时col2为True，否则为False
df['col2'] = current_true & prev_has_false

print(df)

方法二：用Rolling窗口简化代码（更简洁）

import pandas as pd

names = {'col1': [False, False, False, False, False, True, True, True, False, False]}
df = pd.DataFrame(names, columns=['col1'])

# 计算前三行是否全为True（窗口不足3行时仍计算，NaN视为True）
prev_all_true = df['col1'].shift(1).rolling(window=3, min_periods=1).apply(lambda x: x.all(), raw=True).fillna(True)
# 当前行True 且 前三行不全为True → col2为True
df['col2'] = df['col1'] & (~prev_all_true)

print(df)

输出结果 #

运行上述代码后，df的结果如下：

col1   col2
0  False  False
1  False  False
2  False  False
3  False  False
4  False  False
5   True   True
6   True   True
7   True   True
8  False  False
9  False  False

内容的提问来源于stack exchange，提问作者Rockport Redfish