Pandas中判断DataFrame列A的True是否为列B上次True后的首次出现

核心逻辑是通过B列的累计值划分区间，每个区间内仅标记A列的第一个True为有效结果，全程使用向量化操作，无循环，处理百万行级数据也可在毫秒级完成。

实现代码 #

import pandas as pd

# 生成B列的分组ID：每次B出现True时分组ID+1，代表B上次True后的区间
group_id = df['B'].cumsum()
# 三个判断条件同时满足才标记为True：
# 1. A列当前值为True
# 2. 已经出现过至少一次B的True（group_id>0，排除初始无B True的区间）
# 3. 当前是本分组内A的第一个True
df['C'] = df['A'] & (group_id > 0) & (~df['A'].groupby(group_id).cumsum().gt(1))

验证示例 #

示例1测试 #

输入数据：

df = pd.DataFrame({
    'A': [False, False, True, False, True, False, True, False, True],
    'B': [True, False, False, False, False, True, False, False, False]
})

运行代码后输出的df['C']值为[False, False, True, False, False, False, True, False, False]，和预期结果完全一致。

示例2测试 #

输入数据：

df = pd.DataFrame({
    'A': [True, False, False, True, False, True, False, True, False],
    'B': [False, True, False, False, False, False, True, False, False]
})

运行代码后输出的df['C']值为[False, False, False, True, False, False, False, True, False]，和预期结果完全一致。

内容的提问来源于stack exchange，提问作者supermodo