Python 如何创建一个新的布尔列来处理前n行中的信息

给定一个dataframe df，我想基于前n行（例如前3行）中的值为每一行生成一个新变量/列

例如，考虑到以下情况：

输入

D的计算：如果在C中的实际行或C中的前3行中有2个或更多单元格>70，则为1，否则为0

输出

A   B  C     D
10  2  59.4  0
53  3  71.5  0
32  2  70.4  1
24  3  82.1  1

我应该如何在pandas中实现它？

IIUC，应该使用滚动并在应用程序中构建您的逻辑

您还可以填充NA以将NaN转换为0

---

我认为@RafaelC的答案是正确的。我添加了一个答案，以提供更好的示例数据，涵盖边缘情况，并稍微调整@RafaelC的语法。特别是：

min_periods=1允许索引值小于窗口的早期行为非NaN 窗口=4允许考虑当前条目加上前3个条目 使用sum而不是size仅获取真值 更新代码：

window = 4
df.C.rolling(window, min_periods=1).apply(lambda x: (x>70).sum()>=2)

数据：

根据OP规则的预期输出：

0    0.0
1    0.0
2    1.0
3    1.0
4    1.0
5    1.0
6    0.0
7    0.0
8    0.0
9    1.0
Name: C, dtype: float64

---

不，因为在第三行中，71.5和70.4符合条件。如果在OP的原始数据之后再添加一些示例案例，则不确定这是否有效-尝试向C添加4个小于70的值。window=4如何；df.rollingwindow，最小周期=1.applylambda x:x>70。总和>=2？这似乎可以正确处理边缘情况。

.fillna(0)

0    0.0
1    0.0
2    1.0
3    1.0

window = 4
df.C.rolling(window, min_periods=1).apply(lambda x: (x>70).sum()>=2)

A   B  C
10  2  59.4
53  3  71.5
32  2  70.4
24  3  82.1
11  4  10.1
10  5  1.0
12  3  2.3
13  2  1.1
99  9  70.2
12  9  80.0

0    0.0
1    0.0
2    1.0
3    1.0
4    1.0
5    1.0
6    0.0
7    0.0
8    0.0
9    1.0
Name: C, dtype: float64