Python 自条件列

我正在尝试在pandas中创建一个列，该列与其他列一起以其先前的值为条件

import pandas as pd
import numpy as np
a = np.random.standard_normal(100)
A = pd.DataFrame(a)
A['Out'] = 0
A['Out2'] = 0
for t in range(1,A.shape[0]):
    if (A[0][t] > 1) & (A['Out'][t-1]==0):
        A['Out'][t] = 1
    elif (A[0][t] < -1) & (A['Out'][t-1]==0):
        A['Out'][t] = -1
    elif ((A[0][t] > 0) & (A['Out'][t-1]==-1)) | ((A[0][t] < 0) & (A['Out'][t-1]==1)):
        A['Out'][t] = 0
    else:
        A['Out'][t] = A['Out'][t-1] 
A['Out2'] = np.where((A.index== 0),0
        ,np.where((A[0] > 1) & (A['Out2'].shift()==0), 1
        ,np.where((A[0] < -1) & (A['Out2'].shift()==0), -1
        ,np.where(((A[0] > 0) & (A['Out2'].shift()==-1)) | ((A[0] < 0) & (A['Out2'].shift()==1)), 0
        ,A['Out2'].shift()))))

将熊猫作为pd导入
将numpy作为np导入
a=np.随机。标准_正常（100）
A=pd.数据帧（A）
A['Out']=0
A['Out2']=0
对于范围（1，A.shape[0]）内的t：
如果（A[0][t]>1）和（A['Out'][t-1]==0）：
A['Out'][t]=1
（A[0][t]<-1）和（A['Out'][t-1]==0）：
A['Out'][t]=-1
elif（（A[0][t]>0）和（A['Out'][t-1]==1））|（（A[0][t]<0）和（A['Out'][t-1]==1））：
A['Out'][t]=0
其他：
A['Out'][t]=A['Out'][t-1]
A['Out2']=np.其中（（A.index==0），0
，np.其中（（A[0]>1）和（A['Out2'].shift（）==0），1
，np.其中（（A[0]<-1）和（A['Out2'].shift（）==0），-1
，np.其中（（A[0]>0）和（A['Out2'].shift（）=-1））|（（A[0]<0）和（A['Out2'].shift（）==1）），0
，A['Out2'].shift（））

---

列A['Out2']尝试以矢量形式复制['Out']，但不读取以前的值。列A['Out']通过循环编译花费的时间太长。有人能帮我用一种更快、矢量化的方法来创建此列吗？

您可以创建一个函数，然后使用apply。要访问以前的数据，可以使用变量存储该值。希望下面的代码有帮助

import pandas as pd
import numpy as np
a = np.random.standard_normal(100)
A = pd.DataFrame(a)
state = 0
def get_val(A,prev_state):
    global state
    if (A > 1) & (prev_state==0):
        state = 1
    elif (A < -1) & (prev_state==0):
        state = -1
    elif ((A > 0) & (prev_state==-1)) | ((A < 0) & (prev_state==1)):
        state = 0     
    return state

A['Out'] = A[0].apply(lambda x: get_val(x,state))

---

你能提供你想要的输出和示例输入吗？这是完美的。。。谢谢你的快速回复！！欢迎你@random_black。当你获得足够的声誉时，别忘了投票 0 Out 0 1.366864 1 1 0.887763 1 2 -0.663636 0 3 -1.824950 -1 4 0.459663 0 5 -1.325129 -1 6 1.587188 0 7 -0.148159 0 8 0.578862 0 9 0.758460 0

100 loops, best of 3: 2.16 ms per loop