如何使用python apply/lambda/shift函数根据2列的值获取该特定列的前一行值？

我有两列（FN1和FN2），根据这些我必须再创建一列（最终）

FN1     FN2    Final
False   False   1
True    True    1
False   False   1
True    False   2
True    True    2
False   False   1 
True    True    1
True    True    1

• 如果FN1为False，则Final将为1

FN1     FN2    Final
False   False   1
True    True    1
False   False   1
True    False   2
True    True    2
False   False   1 
True    True    1
True    True    1

• 如果FN2为真，我将是Final的上一个值

FN1     FN2    Final
False   False   1
True    True    1
False   False   1
True    False   2
True    True    2
False   False   1 
True    True    1
True    True    1

• 但是如果FN2为False，我需要用之前的值 最终+1（即增加1）

FN1     FN2    Final
False   False   1
True    True    1
False   False   1
True    False   2
True    True    2
False   False   1 
True    True    1
True    True    1

。我尝试使用

shift（）

来执行此操作，但在这种情况下同样没有帮助

FN1     FN2    Final
False   False   1
True    True    1
False   False   1
True    False   2
True    True    2
False   False   1 
True    True    1
True    True    1

FN1     FN2    Final
False   False   1
True    True    1
False   False   1
True    False   2
True    True    2
False   False   1 
True    True    1
True    True    1

---

使用

np。选择
：

FN1     FN2    Final
False   False   1
True    True    1
False   False   1
True    False   2
True    True    2
False   False   1 
True    True    1
True    True    1

df1 = df.shift()

cond1 = df['FN1'] == False
cond2 = (df['FN1']==True) & (df['FN2'] ==True)
cond3 = (df['FN1']==True) & (df['FN2'] == False)

df['Final'] = np.select([cond1,cond2,cond3], [1, df1['Final'], df1['Final']+1])

print(df)

使用lambda：

FN1     FN2    Final
False   False   1
True    True    1
False   False   1
True    False   2
True    True    2
False   False   1 
True    True    1
True    True    1

df = pd.DataFrame({'FN1': [False, True, False, True, True, False, True, True],
                   'FN2': [False, True, False, False, True, False, True, True]
                   })

def f(fn1, fn2):
    global previousfinal
    previousfinal = 1 if not fn1 else previousfinal + 1 if not fn2 else previousfinal
    return previousfinal

previousfinal = 1
df['Final'] = df[['FN1', 'FN2']].apply(lambda x: f(*x), axis=1)
print(df)

在应用逻辑后，您的输入数据帧和输出是相同的。我的输入df有两列FN1和FN2。根据条件，我的输出df应该还有一列“Final”。这不符合预期。第一次遇到cond3时，它将值增加1。但在遇到cond2之后，它将值存储为1，而不是2（现在是上一行的值）。它给出以下输出FN1 FN2 Final False 1 True 1 False 1 True 2 True 1 False 1 True 2 True 1 False 1 True 1 True 1 True 1