我有一列的信号为on==1，B列的信号为off==1，其余值为零。
data = {'A': [1, 0, 0, 0, 0, 1, 0],
'B': [1, 0, 1, 1, 0, 0, 1]}
df = pd.DataFrame.from_dict(data)
我需要创建一个列C，其中:
这里的结果应该是:
df['C'] = [1, 1, 0, 0, 0, 1, 0]
我用了
df.loc[df['A'] == 1, 'C'] = 1
将A==1的行设为1，但我找不到方法，在A上的1信号之后，在B列中得到第一个非零，然后用零替换另一个，直到A中的下一个1。
您可以做mask，用transformidxmax，这里的mask是当A等于1时将B设置为0，因为无论B的值是什么，C都会是1。
df['C']=(df.index<df.B.mask(df.A.eq(1),0).groupby(df.A.cumsum()).transform('idxmax')).astype(int)
df
A B C
0 1 1 1
1 0 0 1
2 0 1 0
3 0 1 0
4 0 0 0
5 1 0 1
6 0 1 0
更新
s=df.B.mask(df.A.eq(1),0)
s=(s==1)&(s.shift(-1)==0)
df['C']=(df.index<s.groupby(df.A.cumsum()).transform('idxmax')).astype(int)
df.loc[df.A==1,'C']=1
大家好，欢迎来到StackOverflow。
对于这种情况，您通常不会使用熊猫，因为C的值取决于前面的行。 而pandas则更多地使用“分割-应用-组合”的方法来进行独立的测量
如果它不是运行时关键的，我可能会为此编写一个简单的旧循环:
In [4]: C = []
...: signal = 0
...: for _, row in df.iterrows():
...: if ((signal == 1) and (row.B == 1)):
...: signal = 0
...: elif(row.A == 1):
...: signal = 1
...: C.append(signal)
...:
In [5]: C
Out[5]: [1, 1, 0, 0, 0, 1, 0]
In [6]: df['C'] = C
In [7]: df
Out[7]:
A B C
0 1 1 1
1 0 0 1
2 0 1 0
3 0 1 0
4 0 0 0
5 1 0 1
6 0 1 0
这不会有很好的性能，但是如果代码仍然“足够快”，那么干净地表达代码的意图是值得的。
