如何用Pandas实现基于前一行数据计算s列的算法？

首先，你要实现的逻辑很明确：

• 当Tenure == 0时，s = 1
• 其他行的s等于前一行的s值乘以(1 - 前一行的h值)

你之前写的函数没达到效果，核心问题在于apply的使用方式不对——apply默认是逐行/逐列独立处理，你的函数里的x每次调用都会重置为0，而且没有办法保留上一行的计算结果，自然没法完成递推。

你的原始数据（整理后）： #

popt  stopt   popcum         h       s  Tenure
0   0.0   2383    508.0  5067890  0.000100       1
1   1.0  18358  17310.0  5065507  0.003417       0
2   2.0  16742  15103.0  5047149  0.002992       0
3   3.0  13298  11361.0  5030407  0.002258       0
4   4.0   9566   9522.0  5017109  0.001898       0

方法1：直观的循环实现（适合小数据集） #

这种方式最容易理解，直接按顺序遍历每一行，用上一行的结果计算当前行：

# 先给Tenure=0的行设置初始s值
result3.loc[result3['Tenure'] == 0, 's'] = 1

# 从第二行开始递推
for i in range(1, len(result3)):
    # 获取上一行的s和h
    prev_s = result3['s'].iloc[i-1]
    prev_h = result3['h'].iloc[i-1]
    # 计算当前行的s
    result3['s'].iloc[i] = prev_s * (1 - prev_h)

方法2：向量化累乘实现（适合大数据集，速度更快） #

你的递推逻辑可以转化为累乘运算：

• s[0] = 1
• s[1] = s[0] * (1 - h[0])
• s[2] = s[1] * (1 - h[1]) = 1 * (1-h[0]) * (1-h[1])
• ...
• s[n] = 累乘从h[0]到h[n-1]的(1-h)值

用Pandas的cumprod()（累积乘积）可以高效实现：

# 构造(1-h)的序列，把第一行的前向移位值填充为1（因为s[0]不需要乘任何值）
shifted_terms = (1 - result3['h']).shift(1).fillna(1)
# 计算累积乘积得到s列
result3['s'] = shifted_terms.cumprod()

这段代码会自动处理初始值，而且比循环快很多，尤其是当你的DataFrame有几万甚至几十万行的时候。

为什么你之前的函数无效？ #

你的funkcyjka函数存在两个关键问题：

1. 每次调用函数时，x都会被重置为0，所以永远只计算第一行的s*(1-h)，根本没有递推过程。
2. apply传入的res是单行的Series，不是整个DataFrame，所以res["s"].iloc[x]这种写法逻辑错误——你没法通过单行数据获取上一行的值。

内容的提问来源于stack exchange，提问作者Szejm