基于前一行填充Pandas列（含特殊订单规则）

嘿，我来帮你搞定这个Pandas的分组计数需求！咱们先把需求拆解清楚，再一步步写代码实现，避开你之前可能踩过的坑。

核心需求回顾 #

咱们要实现的是：

• 按symbol分组处理数据
• 跳过所有status=EXPIRED的行
• 对连续的BUY订单序列：首笔标记为0，后续每笔递增1
• 遇到SELL订单时，后续的BUY订单开启全新的序列（重新从0开始计数）
• SELL订单的计数可以根据你的需求设为None/NaN或者其他值（这里默认设为None，你可以按需调整）

步骤1：准备示例数据（方便你测试） #

先构造一个和你场景匹配的测试数据集，你可以替换成自己的真实数据：

import pandas as pd

# 模拟你的数据集
data = {
    'symbol': ['AAPL', 'AAPL', 'AAPL', 'AAPL', 'AAPL', 'MSFT', 'MSFT', 'MSFT'],
    'side': ['BUY', 'BUY', 'SELL', 'BUY', 'BUY', 'BUY', 'SELL', 'BUY'],
    'status': ['FILLED', 'FILLED', 'FILLED', 'EXPIRED', 'FILLED', 'FILLED', 'FILLED', 'FILLED']
}
df = pd.DataFrame(data)

步骤2：先过滤掉无效行 #

首先要把status=EXPIRED的行直接排除，避免干扰后续计数：

# 过滤过期订单，重置索引避免后续分组出错
df = df[df['status'] != 'EXPIRED'].reset_index(drop=True)

步骤3：标记连续BUY的序列分组 #

关键一步：我们需要在每个symbol组内，用SELL订单作为分割点，把连续的BUY订单分成不同的序列。这里用cumsum()来实现——每遇到一个SELL，就给序列标记加1，这样后续的BUY就属于新的序列：

# 按symbol分组，生成序列标记：SELL会触发序列切换
df['seq_group'] = df.groupby('symbol')['side'].apply(
    lambda x: (x == 'SELL').cumsum()
)

步骤4：生成BUY序列的递增计数 #

现在我们可以按symbol + seq_group分组，对每个组内的BUY订单用cumcount()生成从0开始的递增数，非BUY的行（也就是SELL）设为None：

# 生成最终的buy_sequence列
df['buy_sequence'] = df.groupby(['symbol', 'seq_group']).cumcount().where(df['side'] == 'BUY', None)

最终效果展示 #

运行完上面的代码后，你的数据集会变成这样：

完全符合你的需求：每个连续BUY序列从0开始递增，SELL触发序列重置，过期行被跳过。

可选调整 #

如果你希望SELL行的buy_sequence显示为0或者其他固定值，只需要修改where的第二个参数即可，比如：

# 把SELL行的buy_sequence设为0
df['buy_sequence'] = df.groupby(['symbol', 'seq_group']).cumcount().where(df['side'] == 'BUY', 0)

内容的提问来源于stack exchange，提问作者nidkil