可以使用pandas库进行处理。具体步骤如下：

1. 根据组进行分组：grouped = df.groupby('group')
2. 在每个组中计算负值数量：neg_count = grouped['value'].apply(lambda x: (x < 0).cumsum())
3. 判断最近的观测是否存在正值：has_pos = grouped['value'].apply(lambda x: (x > 0).any())
4. 根据是否存在正值，选择负值数量的最大值或最后一个负值的索引：max_neg_count = neg_count.where(has_pos).bfill().astype(int)
5. 在原数据框中添加新列，包含负值数量或最后一个负值的索引：df['neg_count_stop_at_pos'] = max_neg_count

完整代码示例如下：

import pandas as pd

创建示例数据

data = {'group': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'], 'value': [-1, -2, -3, 1, -4, -5, 2, -6, -7]} df = pd.DataFrame(data)

按组计算负值数量

grouped = df.groupby('group') neg_count = grouped['value'].apply(lambda x: (x < 0).cumsum())

判断最近的观测是否存在正值

has_pos = grouped['value'].apply(lambda x: (x > 0).any())

选择负值数量的最大值或最后一个负值的索引

max_neg_count = neg_count.where(has_pos).bfill().astype(int)

添加新列

df['neg_count_stop_at_pos'] = max_neg_count

print(df)