Pandas 依据col2列条件创建带重置规则的indexed新列

• 循环逻辑错位：遍历单行做条件判断时，直接对整个df['indexed']列做全列重赋值，没有逐行更新对应位置的计算值，会直接覆盖之前已完成的计算结果
• 计算逻辑错位：在循环内部反复对整列执行col1 * indexed.shift(1)，和需要逐行递推的滚动计算需求完全不匹配，无法实现"当前x行值=当前col1×上一行indexed值"的逻辑

方案1：逐行遍历（逻辑直白，适合小数据量场景） #

在已经完成col1加1、首行indexed初始化的基础上，从第二行开始逐行按规则计算，修正原来循环的全列赋值问题：

# 从第二行开始逐行计算，跳过已初始化的首行
for i in range(1, len(df)):
    # 遇到非x值，当前行固定设为100，作为新分段的起点
    if df.loc[i, 'col2'] != 'x':
        df.loc[i, 'indexed'] = 100
    # x值行取当前col1乘以上一行的indexed值
    else:
        df.loc[i, 'indexed'] = df.loc[i, 'col1'] * df.loc[i-1, 'indexed']

方案2：向量化分组计算（大表下效率远高于循环） #

利用分段累积的特性，先按"非x值"的位置切分计算段，再在每个段内做累积乘积，避免逐行循环的性能损耗：

# 1. 按非x位置切分计算段，连续x的行会被归为同一个分段
df['seg_id'] = (df['col2'] != 'x').cumsum()
# 2. 定位每个分段的第一行（也就是需要重置为100的位置）
group_first_rows = df.groupby('seg_id').head(1).index
# 3. 构造累积计算的因子列：分段首行因子设为1，其余x行因子取col1值
factor = df['col1'].copy()
factor.loc[group_first_rows] = 1
# 4. 每个分段内按因子做累积乘积，乘以起点值100得到最终结果
df['indexed'] = factor.groupby(df['seg_id']).cumprod() * 100
# 可删除中间生成的辅助列
df = df.drop(columns=['seg_id'])

按照示例数据，两种方案得到的indexed列结果完全一致，值依次为：
[100.0, 112.0, 100.8, 100.0, 101.0, 103.02, 115.3824, 103.84416, 96.5750688, 97.540819488]
完全符合"遇到非x值就从100重启分段累积"的规则。

内容的提问来源于stack exchange，提问作者Alex