如何用Pandas基于前序RM值结合shift生成Status列？

你提到的思路完全正确——结合shift()和numpy.where()确实是实现这个需求的高效方式，大概率是没处理好第一行的NaN值导致结果不符合预期。我来帮你梳理一下正确的实现步骤：

完整代码实现 #

import pandas as pd
import numpy as np

# 先构造你提供的示例DataFrame
data = {
    'A': [384, 376, 399, 333, 393, 323, 510, 426, 352],
    'RM': [np.nan, 380.0, 387.5, 366.0, 363.0, 358.0, 416.5, 468.0, 389.0]
}
df = pd.DataFrame(data)

# 生成Status列
df['Status'] = np.where(
    df['A'] > df['RM'].shift(1).fillna(-np.inf),
    0,
    1
)

print(df)

运行后会输出你期望的结果：

A     RM  Status
0  384    NaN       0
1  376  380.0       1
2  399  387.5       0
3  333  366.0       1
4  393  363.0       0
5  323  358.0       1
6  510  416.5       0
7  426  468.0       0
8  352  389.0       1

关键步骤解释 #

1. 获取前序RM值：用df['RM'].shift(1)把RM列整体向下移动一行，这样每一行就能拿到上一行的RM值，第一行因为没有前序值会变成NaN。
2. 处理第一行的NaN：用fillna(-np.inf)把第一行的NaN替换成负无穷，这样第一行的A值（384）肯定大于负无穷，满足A > 前序RM的条件，Status会被设为0，完全符合你的期望。
3. 条件判断赋值：numpy.where()会根据第一个布尔条件的结果，把满足条件的行设为0，不满足的设为1，完美匹配你的需求规则。

你之前可能踩的坑 #

如果直接用df['A'] > df['RM'].shift(1)做条件，第一行的比较结果是NaN，numpy.where()会把NaN视为不满足条件，导致第一行Status变成1，和预期不符。所以填充NaN是关键的修正步骤。

内容的提问来源于stack exchange，提问作者mysticBliss