Pandas如何实现A列与上一行同值时B列递增否则重置为0

你写的实现逻辑存在本质错误：np.where是一次性完成的向量化运算，不会逐行迭代更新B列的中间值。你代码里调用df['B'].shift()时，取到的是B列全0初始状态移位后的结果，不是逐行累加后的动态值，所以连续相等的行只能算出固定值1，没法实现持续累加的效果。

最简洁高效的实现是利用「分组累计计数」的思路，不需要写循环，pandas原生向量化运算性能更好：

import pandas as pd
import numpy as np

# 原始数据
df = pd.DataFrame({'A':['a','b','b','b','b','d']})

# 第一步：识别A列值发生切换的分界点，生成分组编号
df['B'] = df['A'].ne(df['A'].shift()).cumsum()
# 第二步：每个分组内从0开始累计计数，正好符合需求
df['B'] = df.groupby('B').cumcount()

运行后得到的B列结果为[0, 0, 1, 2, 3, 0]，完全匹配预期。

如果只是为了验证逻辑，也可以用逐行迭代的写法，但大数据量下性能极差，不推荐生产环境使用：

df['B'] = 0
for idx in range(1, len(df)):
    if df.loc[idx, 'A'] == df.loc[idx-1, 'A']:
        df.loc[idx, 'B'] = df.loc[idx-1, 'B'] + 1
    else:
        df.loc[idx, 'B'] = 0

• 执行df['B']=0后，B列所有值初始化为0，没有任何中间累加结果
• 执行np.where判断时，df['B'].shift()得到的序列是[NaN, 0, 0, 0, 0, 0]，加1后为[NaN, 1, 1, 1, 1, 1]
• 最终判断A列相等的位置取1，不相等的位置取0，自然得到[0,0,1,1,1,0]的错误结果，核心问题是把依赖上一行计算结果的动态逐行逻辑，当成了无状态的静态向量化逻辑处理。

内容的提问来源于stack exchange，提问作者m3wIsw3m