基于输入参数创建动态条件：布尔列表特定状态检测

这问题很常见——把硬编码的条件改成可配置的动态逻辑，核心就是把固定规则抽成参数就行。我来给你捋捋怎么实现：

首先先明确逻辑对应关系：你原代码写的(a == 0) & (a.shift(-1) == 1)是找当前为False（0）且下一个元素为True（1）的位置，但你描述的需求是“检测前面为True值的False值”——也就是当前是False且前一个元素为True，这俩逻辑的相邻元素方向不同，但动态化方案可以同时覆盖这两种场景，甚至更多自定义规则。

方案1：基于Pandas Series实现动态化 #

从你用到shift()方法推测，你是在处理Pandas Series数据。我们可以把硬编码的条件拆成可配置参数，封装成函数：

import pandas as pd

def detect_target_elements(series, current_value, neighbor_shift, neighbor_value):
    """
    动态检测序列中符合条件的元素
    参数说明：
    - series: 输入的布尔Series
    - current_value: 当前元素需要匹配的值（比如False或0）
    - neighbor_shift: 相邻元素的偏移量，1表示取前一个元素（shift(1)），-1表示取后一个元素（shift(-1)）
    - neighbor_value: 相邻元素需要匹配的值（比如True或1）
    返回：布尔Series，标记符合条件的位置
    """
    neighbor_series = series.shift(neighbor_shift)
    return (series == current_value) & (neighbor_series == neighbor_value)

调用示例 #

比如你要实现**“前面为True的False值”**这个需求，就这么调用：

# 先把示例数据转换成Series
data = {
    "时间": ["2017-09-02 11:00:00", "2017-09-02 11:30:00", "2017-09-02 12:00:00",
            "2017-09-02 12:30:00", "2017-09-02 13:00:00", "2017-09-02 13:30:00",
            "2017-09-02 14:00:00", "2017-09-02 14:30:00", "2017-09-02 15:00:00",
            "2017-09-02 15:30:00"],
    "值": [False, False, True, True, True, True, False, False, False, False]
}
a = pd.Series(data["值"], index=data["时间"])

# 检测前面是True的False值
result = detect_target_elements(a, current_value=False, neighbor_shift=1, neighbor_value=True)
print(result)

输出结果里，只有2017-09-02 14:00:00这个位置会是True，完全符合你的需求。

如果要还原你原来写的条件（当前False，下一个True），只需要调整参数：

result = detect_target_elements(a, current_value=False, neighbor_shift=-1, neighbor_value=True)

方案2：基于普通Python列表实现动态化 #

如果你的a是普通Python布尔列表，也可以用类似思路封装函数，同时处理边界情况（比如第一个元素没有前一个，最后一个没有后一个）：

def detect_target_list(lst, current_value, neighbor_offset, neighbor_value):
    """
    动态检测列表中符合条件的元素
    参数说明：
    - lst: 输入的布尔列表
    - current_value: 当前元素需要匹配的值
    - neighbor_offset: 相邻元素的索引偏移，-1表示前一个元素（i-1），1表示后一个元素（i+1）
    - neighbor_value: 相邻元素需要匹配的值
    返回：布尔列表，标记符合条件的位置
    """
    result = []
    for i in range(len(lst)):
        neighbor_idx = i + neighbor_offset
        # 检查邻居索引是否在有效范围内
        if 0 <= neighbor_idx < len(lst):
            is_match = (lst[i] == current_value) and (lst[neighbor_idx] == neighbor_value)
        else:
            # 边界元素没有对应邻居，直接标记为False
            is_match = False
        result.append(is_match)
    return result

调用示例 #

a = [False, False, True, True, True, True, False, False, False, False]
# 检测前面是True的False值
result = detect_target_list(a, current_value=False, neighbor_offset=-1, neighbor_value=True)
print(result)

输出会是[False, False, False, False, False, False, True, False, False, False]，对应列表中第6个元素（索引6）符合条件。

这种方式的好处是，你不需要修改核心逻辑，只需要调整参数就能实现不同的检测规则——比如你想找“前面是False的True值”，只需要把current_value设为True，neighbor_value设为False就行，非常灵活。

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