基于前后值为DataFrame中哑变量向量赋值的实现方法

这个需求本质是基于相邻非0值的区间标记替换，我们可以用Pandas结合简单的状态遍历思路来实现，逻辑清晰且容易验证。

步骤1：构造示例数据 #

首先我们先把你提供的原始数据转换成Pandas Series（如果是DataFrame的列，直接提取对应列即可）：

import pandas as pd
import numpy as np

# 你的原始数据
raw_data = [2,2,0,0,0,0,1,1,1,0,0,0,0,2,2,2,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,1,0,0,0,0,0,0,0,0,2,2,2,0,0,0,0,0,0,0,0,0,0,1,1,1,0,0,0,0,0,0,2]
s = pd.Series(raw_data)

步骤2：标记区间状态 #

我们需要先找到所有非0值的位置（这些是我们的"锚点"），然后遍历相邻锚点之间的区间，根据锚点值判断该区间的0应该替换成3还是4：

# 初始化状态数组，用来存储每个位置的替换值（0表示不需要替换）
state = np.zeros(len(s), dtype=int)

# 提取所有非0值的索引和对应值，重置索引方便遍历
non_zero_points = s[s != 0].reset_index()

# 遍历每一对相邻的非0锚点
for i in range(len(non_zero_points) - 1):
    # 获取当前锚点的结束位置、下一个锚点的起始位置
    start_idx = non_zero_points.iloc[i]['index'] + 1
    end_idx = non_zero_points.iloc[i+1]['index']
    current_val = non_zero_points.iloc[i][0]
    next_val = non_zero_points.iloc[i+1][0]
    
    # 规则1：2之后、1之前的0 → 替换为3
    if current_val == 2 and next_val == 1:
        state[start_idx:end_idx] = 3
    # 规则2：1之后、2之前的0 → 替换为4
    elif current_val == 1 and next_val == 2:
        state[start_idx:end_idx] = 4

步骤3：完成替换 #

最后用where方法保留原始非0值，把0替换为对应的状态值：

result = s.where(s != 0, state)

# 输出结果验证
print(result.tolist())

运行后得到的结果就是你想要的目标序列：

2 2 3 3 3 3 1 1 1 4 4 4 4 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 1 1 1 4 4 4 4 4 4 4 4 2 2 2 3 3 3 3 3 3 3 3 3 3 1 1 1 4 4 4 4 4 4 2

这个方法的优势是逻辑直观，完全匹配你的规则，而且容易扩展——如果以后有新的区间替换规则，只需要在遍历的时候加对应的条件判断即可。

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