Python将值传播到所有条件

我有这个数据框（看图片）

如果绿色列（

dataframe.Signal

）为1，则红色列（

dataframe.Level

）等于示例1088.50中的某个值，否则

dataframe.Level

将为Nan

现在我想传播红色值（

dataframe.Level

），只要它小于或等于brown值（

dataframe.brown

）

当

dataframe.Brown

低于红色值

dataframe.Level

最后一次必须等于红色值时，它必须返回nan，就像照片中一样

我怎么能做这样的事我尝试对lops使用normal，但此数据帧包含600万行，速度太慢。TL；DR

left = df.loc[df["Signal"] == 1].index
right = df.loc[df["Brown"] - df["Level"].ffill() < 0] \ 
          .groupby(df["Signal"].cumsum(), as_index=False) \
          .nth(0).index
subsets = pd.cut(df.index, pd.IntervalIndex.from_arrays(left, right, closed="both"))
df = df.groupby(subsets).ffill()

---

查找停止索引（右间隔）它似乎不起作用，因为左和右的长度不同，如果您愿意帮助我，请通过电报@claudio314联系我，我将通过paypal向您捐赠您想要的任何东西。谢谢。请发布一个不起作用的示例。“左和右必须具有相同的长度”这是我运行上述脚本时遇到的错误，但它对输入数据有效，因为左和右具有相同的长度。为了帮助你，我需要一个它不起作用的例子。我仍然不明白RIGHT在做什么，我看到你想要获取棕色低于填充级别的索引，这是正确的假设，我不明白这是什么，我想这就是问题所在。groupby（df[“Signal”].cumsum（），as_index=False）。n（0）我非常确定这个问题是正确的，因为它没有做它应该做的，记住我只想在信号为1后传播，我想在棕色低于填充水平时停止传播

      Brown  Signal    Level
0   1089.00       0      NaN
1   1089.00       0      NaN
2   1088.50       0      NaN
3   1088.50       0      NaN
4   1088.50       1  1088.50  # 1088.50 <= start here (4)
5   1088.50       0      NaN  # 1088.50
6   1088.50       0      NaN  # 1088.50
7   1088.50       0      NaN  # 1088.50
8   1088.50       0      NaN  # 1088.50
9   1088.75       0      NaN  # 1088.50
10  1088.50       0      NaN  # 1088.50
11  1088.25       0      NaN  # 1088.50 <= stop here (11)
12  1088.50       0      NaN
13  1088.25       1  1088.25  # 1088.25 <= start here (13)
14  1088.50       0      NaN  # 1088.25
15  1088.50       0      NaN  # 1088.25
16  1088.00       0      NaN  # 1088.25 <= stop here (16)
17  1088.50       0      NaN
18  1088.75       0      NaN
19  1088.50       0      NaN
20  1088.25       0      NaN
21  1088.50       0      NaN

>>> left = df.loc[df["Signal"] == 1].index
>>> left
Int64Index([4, 13], dtype='int64')

>>> right = df.loc[df["Brown"] - df["Level"].ffill() < 0] \ 
              .groupby(df["Signal"].cumsum(), as_index=False) \
              .nth(0).index
>>> right
Int64Index([11, 16], dtype='int64')

>>> subsets = pd.cut(df.index, pd.IntervalIndex.from_arrays(left, right, closed="both"))
>>> list(subsets)
[nan,
 nan,
 nan,
 nan,
 Interval(4.0, 11.0, closed='both'),
 Interval(4.0, 11.0, closed='both'),
 Interval(4.0, 11.0, closed='both'),
 Interval(4.0, 11.0, closed='both'),
 Interval(4.0, 11.0, closed='both'),
 Interval(4.0, 11.0, closed='both'),
 Interval(4.0, 11.0, closed='both'),
 Interval(4.0, 11.0, closed='both'),
 nan,
 Interval(13.0, 16.0, closed='both'),
 Interval(13.0, 16.0, closed='both'),
 Interval(13.0, 16.0, closed='both'),
 Interval(13.0, 16.0, closed='both'),
 nan,
 nan,
 nan,
 nan,
 nan]

>>> df.groupby(subsets).ffill()
      Brown  Signal    Level
0   1089.00       0      NaN
1   1089.00       0      NaN
2   1088.50       0      NaN
3   1088.50       0      NaN
4   1088.50       1  1088.50
5   1088.50       0  1088.50
6   1088.50       0  1088.50
7   1088.50       0  1088.50
8   1088.50       0  1088.50
9   1088.75       0  1088.50
10  1088.50       0  1088.50
11  1088.25       0  1088.50
12  1088.50       0      NaN
13  1088.25       1  1088.25
14  1088.50       0  1088.25
15  1088.50       0  1088.25
16  1088.00       0  1088.25
17  1088.50       0      NaN
18  1088.75       0      NaN
19  1088.50       0      NaN
20  1088.25       0      NaN
21  1087.75       0      NaN