Python 基于值0的出现对列进行编码

我有一个熊猫数据框，有这样一列

df = pd.DataFrame()
df['A'] = [1, 1, 0, 1, 1, 0]

我想用这样的值制作另一列

df = pd.DataFrame()
df['A'] = [1, 1, 0, 1, 1, 0]

[1,1,1,2,2]

想法是从值1开始，当我得到1时，仅当最后一个值为0时，才增加值。换句话说，如果我有一个0，那么在下一步中增加这个值

我使用了一个应用程序来实现这一点，如下所示

k = 1

def fn(row):

    global k
    a, b = row['A'], row['x']

    if a == 1 and b == 1:
        pass
    elif a == 1 and b == 0:
        pass
    elif a == 0 and b == 1:
        k += 1
        return (k - 1)
    else:
        k += 1
        return (k - 1)

    return k

df['x'] = df['A'].shift(-1)
df['k'] = df.apply(lambda row : fn(row), axis=1)

这是非常低效的。我想不出一个更快的方法

---

如何在Pandas中有效地实现这一点？

IIUC，您希望计算0的出现次数，但已移位：

df['A'].eq(0).cumsum().shift(fill_value=0)+1

或：

输出：

0    1
1    1
2    1
3    2
4    2
5    2
Name: A, dtype: int32

---

IIUC，您要计算0的出现次数，但已移位：

df['A'].eq(0).cumsum().shift(fill_value=0)+1

或：

输出：

0    1
1    1
2    1
3    2
4    2
5    2
Name: A, dtype: int32

---

不确定速度部分

s=df.index[df.A.eq(0)]
pd.Series(np.arange(len(s))+1,index=s).reindex(df.index,method='bfill')
Out[41]: 
0    1
1    1
2    1
3    2
4    2
5    2
dtype: int32

---

不确定速度部分

s=df.index[df.A.eq(0)]
pd.Series(np.arange(len(s))+1,index=s).reindex(df.index,method='bfill')
Out[41]: 
0    1
1    1
2    1
3    2
4    2
5    2
dtype: int32

---

如果输入类似于[0,0,1,1,1]，我希望它是[1,2,3,3,3]，如果输入类似于[0,0,1,1,1]，我希望它能像预期的那样工作。谢谢你。谢谢