Pandas DataFrame如何基于连续状态最后一次有效出现获取对应值

核心逻辑是直接定位每个连续相同Status分段的末尾行，给末尾行赋值对应Energy值，其余行填充空值即可，不需要复杂的cumsum重置逻辑。

完整可运行代码 #

import pandas as pd
import numpy as np

# 构造样例数据
df = pd.DataFrame({
    'Status': [1,1,1,1,0,0,0,1,0,0],
    'Energy': [2,3,2,4,12,13,11,3,15,14]
})

# 识别连续段末尾：当前行Status和下一行Status不相等，即为段尾（最后一行自动判定为段尾）
is_segment_end = df['Status'].ne(df['Status'].shift(-1))

# 赋值结果列
df['Result_outcome'] = np.where(is_segment_end, df['Energy'], np.nan)

结果验证 #

运行代码后输出的DataFrame和预期完全一致：

Status  Energy  Result_outcome
0       1       2             NaN
1       1       3             NaN
2       1       2             NaN
3       1       4             4.0
4       0      12             NaN
5       0      13             NaN
6       0      11            11.0
7       1       3             3.0
8       0      15             NaN
9       0      14            14.0

逻辑说明 #

• df['Status'].shift(-1)：将Status列整体向上移1位，每行拿到下一行的Status值
• ne()是不等于判断：当当前行Status和下一行Status不相等时，说明当前行是连续同值段的最后一行；DataFrame最后一行没有下一行，移位后得到空值，ne()和空值比较会返回True，自动判定为最后一个分段的末尾，不需要额外补边界逻辑
• 该方法是向量化运算，性能远高于循环、分组apply写法，百万级数据也可快速运行

内容的提问来源于stack exchange，提问作者prashant thakre