如何基于上一行数据修改列值，按Period分段处理Begin与End字段

核心逻辑说明 #

按File字段独立处理每个文件的数据，每个文件内按Baseline→Run→Recovery的顺序排列Period阶段，前一阶段的原始End值作为后一阶段的滑动窗口起始基准，每个窗口步长1000、长度6000，直到窗口End不超过当前阶段的原始End值，其余字段保留原始行的数值。

R 实现 #

基于tidyverse生态实现，避免手动循环容易出现的逻辑错误：

library(tidyverse)

# 定义Period的优先级顺序，保证排序正确
period_order <- c("Baseline", "Run", "Recovery")

result <- dupdf %>%
  # 按文件分组，独立处理每个文件
  group_by(File) %>%
  # 按Period的固定顺序排序
  arrange(factor(Period, levels = period_order), .by_group = TRUE) %>%
  # 计算每个Period的滑动窗口起始基准：第一个Period用原始Begin，后续用前一个Period的End
  mutate(window_start_base = lag(End, default = first(Begin))) %>%
  # 对每行（每个Period）生成所有滑动窗口的Begin值
  rowwise() %>%
  mutate(
    Begin = list(seq(from = window_start_base, to = End - 6000, by = 1000)),
    # 每个Begin对应End为Begin+6000
    End = list(map(.x = Begin, ~.x + 6000))
  ) %>%
  # 展开列表列为多行
  unnest(c(Begin, End)) %>%
  # 移除临时计算列
  ungroup() %>%
  select(-window_start_base)

# 导出结果
write_csv(result, filename)

原R代码的核心问题 #

1. 未按File分组，不同文件的计算逻辑互相干扰
2. 引用Begin/End列未加引号，R会识别为环境变量而非数据框列
3. 循环内每次用rbind(dupdf_period)直接覆盖全量数据，丢失其他Period的处理结果
4. 没有按Period顺序计算跨阶段的起始基准

Python 实现 #

基于pandas实现：

import pandas as pd
import numpy as np

# 定义Period顺序
period_order = ["Baseline", "Run", "Recovery"]

def generate_windows(group):
    # 按Period排序
    group = group.sort_values(by="Period", key=lambda x: x.map({v:i for i,v in enumerate(period_order)}))
    # 计算每个阶段的起始基准
    group["window_start_base"] = group["End"].shift(1).fillna(group["Begin"].iloc[0]).astype(int)
    windows = []
    for _, row in group.iterrows():
        # 生成所有Begin值
        begins = np.arange(row["window_start_base"], row["End"] - 6000 + 1, step=1000)
        for begin in begins:
            new_row = row.copy()
            new_row["Begin"] = begin
            new_row["End"] = begin + 6000
            windows.append(new_row)
    return pd.DataFrame(windows).drop(columns="window_start_base")

# 按File分组处理
result = concat_df.groupby("File", group_keys=False).apply(generate_windows).reset_index(drop=True)

原Python代码的核心问题 #

1. 嵌套循环逻辑混乱，内层循环重复修改全量End列导致数值错误
2. 未按File和Period分组处理，全局修改导致不同文件/阶段的结果互相干扰
3. 没有动态计算每个窗口的起始基准，直接固定加1000不符合跨阶段的逻辑要求

内容的提问来源于stack exchange，提问作者ale_ish