基于后续行值更新DataFrame多列数据的技术实现需求

嘿，这个需求我明白啦！咱们要处理的是带独立重置点的DataFrame列，核心就是找到每列里的重置触发点（也就是值跳回1且前一个值更大的位置，毕竟之前是累加状态），然后把每个重置点往前数1-3个值分别替换成-1、-2、-3。咱们一步步来实现：

思路拆解 #

首先得明确重置点的判断规则：

• 列中某个位置的值为1
• 该位置的前一个值大于1（这说明是从累加的最大值跳回起点，而不是连续的1）

接下来，对每个找到的重置点，我们需要往回找1-3个位置（只要这些位置存在，不超出列的开头），分别赋值为-1（重置点前1位）、-2（前2位）、-3（前3位）。

代码实现 #

咱们用Pandas来完成这个功能，先写一个处理单列的函数，再把它应用到整个DataFrame：

import pandas as pd

def process_reset_column(col):
    # 找到所有重置点的索引：当前值为1，且前一个值大于1
    reset_points = col[(col == 1) & (col.shift(1) > 1)].index
    
    # 复制原列，避免修改原始数据
    processed_col = col.copy()
    
    # 遍历每个重置点，处理前1-3个位置
    for idx in reset_points:
        # 处理前1位（如果存在）
        if idx - 1 >= 0:
            processed_col.iloc[idx - 1] = -1
        # 处理前2位（如果存在）
        if idx - 2 >= 0:
            processed_col.iloc[idx - 2] = -2
        # 处理前3位（如果存在）
        if idx - 3 >= 0:
            processed_col.iloc[idx - 3] = -3
    
    return processed_col

# 测试你的示例数据
data = {
    'col1': [2, 3, 4, 4, 5, 6, 1, 1, 2],
    'col2': [11, 11, 12, 1, 1, 2, 3, 3, 4]
}
df = pd.DataFrame(data)

# 应用函数到每一列
processed_df = df.apply(process_reset_column)
print(processed_df)

输出结果 #

运行上面的代码后，你会得到期望的结果：

col1  col2
0     2    11
1     3    11
2    -3    -3
3    -2    -2
4    -1    -1
5     6    12
6     1     1
7     1     1
8     2     2

细节说明 #

• 我们用col.copy()来创建副本，这样不会修改原始的DataFrame，保证数据安全。
• 对每个重置点，我们先判断往前的位置是否有效（不小于0），避免出现索引越界的错误。
• shift(1)方法用来获取前一行的值，完美帮我们判断是否是真正的重置触发点（排除连续1的情况）。

内容的提问来源于stack exchange，提问作者Bartosz M