Pandas行值变化统计问题：为何dsf列全部为0？

为啥你的dsf全是0？核心问题在于**iterrows()返回的r是原DataFrame行的副本，不是引用**。你在循环里修改r['dsf']，只是改了这个临时副本的值，根本没碰着full_data本身的数据，所以最后full_data里的dsf还是你初始设置的0。

方法1：直接修改原DataFrame（兼容你的原有逻辑） #

把循环里对r['dsf']的修改，换成用loc通过行索引定位原DataFrame的行来修改，这样改动才会生效：

full_data['dsf'] = 0
counter = 0
for i, r in full_data.iterrows():
    if r['neg'] == 0:
        counter += 1
        # 这里初始值已经是0，可省略
        # full_data.loc[i, 'dsf'] = 0
    else:
        full_data.loc[i, 'dsf'] = counter
        counter = 0

方法2：更高效的向量化实现（推荐） #

iterrows()在处理大数据集时速度很慢，用pandas的向量化操作能更简洁高效地完成需求：

# 按neg=1的位置划分分组，每遇到一个neg=1就开启新组
full_data['group'] = (full_data['neg'] == 1).cumsum()
# 对每个组内的行从1开始计数
full_data['dsf'] = full_data.groupby('group').cumcount() + 1
# 只保留neg=1的行的计数，neg=0的行设为0
full_data['dsf'] = full_data['dsf'].where(full_data['neg'] == 1, 0)
# 删掉临时的group列（可选）
full_data = full_data.drop('group', axis=1)

举个实际效果的例子：
假设原始数据的neg列是：[0, 0, 1, 0, 1]
处理后dsf列会是：[0, 0, 2, 0, 1]
正好对应你要的：从连续的0到第一次出现1时，统计前面0的数量（第一个1前面有2个0，所以dsf=2；第二个1前面有1个0，所以dsf=1）。

内容的提问来源于stack exchange，提问作者Deepak