如何基于Pandas当前列值为np.where设置条件？附示例DataFrame

嘿，我太懂这种感觉了——Excel里靠拖拽公式就能搞定的状态延续逻辑，到Pandas里一开始确实容易卡壳。先把你的需求和示例数据理清楚：

示例数据与逻辑说明 #

你的DataFrame子集如下（注释是核心逻辑）：

简单来说，就是触发后保持激活状态，直到终止条件出现。

两种实现方案 #

方案1：循环实现（直观易懂，适合小数据集）

这种方式和Excel公式的逻辑最接近，逐行判断状态：

import pandas as pd

# 构造示例数据
data = {
    'DATE': ['10/30/2013', '10/31/2013', '11/1/2013', '11/4/2013', '11/5/2013', '11/6/2013', '11/7/2013', '11/8/2013', '11/11/2013'],
    'IN': [0, 0, 1, 0, 0, 0, 0, 0, 0],
    '200D_MA': [1, 1, 1, 1, 1, 1, 1, 1, 0],
    'TEST': [0, 0, 1, 1, 1, 1, 1, 1, 0]
}
df = pd.DataFrame(data)
df['DATE'] = pd.to_datetime(df['DATE'])

# 初始化激活状态
active = False
df['TEST_CALC'] = 0

# 逐行遍历更新状态
for idx, row in df.iterrows():
    # 触发条件：IN和200D_MA同时为1
    if row['IN'] == 1 and row['200D_MA'] == 1:
        active = True
    # 终止条件：200D_MA为0
    elif row['200D_MA'] == 0:
        active = False
    # 赋值当前状态
    df.loc[idx, 'TEST_CALC'] = 1 if active else 0

# 验证结果（TEST和TEST_CALC完全一致）
print(df[['DATE', 'IN', '200D_MA', 'TEST', 'TEST_CALC']])

方案2：矢量化实现（高效快速，适合大数据集）

如果你的DataFrame行数很多，循环会很慢，用Pandas的矢量化操作效率会高得多：

import pandas as pd

# 构造示例数据
data = {
    'DATE': ['10/30/2013', '10/31/2013', '11/1/2013', '11/4/2013', '11/5/2013', '11/6/2013', '11/7/2013', '11/8/2013', '11/11/2013'],
    'IN': [0, 0, 1, 0, 0, 0, 0, 0, 0],
    '200D_MA': [1, 1, 1, 1, 1, 1, 1, 1, 0],
    'TEST': [0, 0, 1, 1, 1, 1, 1, 1, 0]
}
df = pd.DataFrame(data)
df['DATE'] = pd.to_datetime(df['DATE'])

# 1. 标记触发事件（1）和终止事件（-1）
df['event'] = 0
df.loc[(df['IN'] == 1) & (df['200D_MA'] == 1), 'event'] = 1
df.loc[df['200D_MA'] == 0, 'event'] = -1

# 2. 累积求和，只要和>0就说明处于激活状态
df['TEST_CALC'] = (df['event'].cumsum() > 0).astype(int)

# 验证结果
print(df[['DATE', 'IN', '200D_MA', 'TEST', 'TEST_CALC']])

这个方法的核心是用cumsum()追踪事件的累积效果：触发事件让累积和+1，终止事件让累积和-1，只要累积和大于0，就说明还在激活状态。

注意事项 #

• 如果数据中存在多个触发-终止周期，两种方案都能完美处理
• 矢量化方案的效率是循环的几十甚至上百倍，大数据集优先选择这个

内容的提问来源于stack exchange，提问作者J Westwood