Кадр данных Pandas – сохраняйте значения, находящиеся на определенном расстоянии друг от друга

IIUC, вы не можете векторизовать свою операцию, поскольку судьба одной строки зависит от судьбы предыдущих строк.

Таким образом, вы должны зациклиться. Один из вариантов — использовать numba для улучшения скорости:

from numba import jit

@jit(nopython=True)
def keep_apart(a, N=3):
    out = []
    wait = 0
    for x in a:
        if x == 1:
            if wait > 0:
                out.append(0)
                wait -= 1
            else:
                out.append(1)
                wait = N
        else:
            out.append(0)
            wait -= 1
    return out

df['out'] = keep_apart(df['in'].to_numpy())

Выход:

    ix  in  out
0    0   1    1
1    1   0    0
2    2   0    0
3    3   1    0
4    4   1    1
5    5   0    0
6    6   1    0
7    7   0    0
8    8   1    1
9    9   0    0
10  10   0    0
11  11   1    0

Альтернативный пример:

    ix  in  out
0    0   1    1
1    1   0    0
2    2   0    0
3    3   1    0
4    4   0    0
5    5   0    0
6    6   1    1
7    7   1    0
8    8   1    0
9    9   0    0
10  10   0    0
11  11   1    1

Поскольку вы меняете по мере продвижения по столбцу, строка за строкой, группировка или совокупная сумма или что-то подобное не может дать вам правильный ответ. Вы можете использовать простой цикл for.

in_col = "in"
out_col = "out"
distance = 4
df[out_col] = df[in_col]
idxs = df[in_col].eq(1).index.tolist()
if idxs:
  prev = idxs[0]
  for idx in idxs[1:]:
    if idx - prev + 1 <= distance:
      df.loc[idx, out_col] = 0
    else:
      df.loc[idx, out_col] = 1
      prev = idx  
  print(df)



    ix  in  out
0    0   1    1
1    1   0    0
2    2   0    0
3    3   1    0
4    4   1    1
5    5   0    0
6    6   1    0
7    7   0    0
8    8   1    1
9    9   0    0
10  10   0    0
11  11   1    0

import pandas as pd
import numpy as np
from numba import njit

df = pd.DataFrame({'id': list(range(12)), 'val': [1, 0, 0, 1, 1, 0, 1, 0, 1, 0, 0, 1]})

val = df['val'].values

@njit
def filter_ones(val):
    res = np.zeros_like(val)
    
    indices_for_1 = np.where(val == 1)[0]#[ 0  3  4  6  8 11]
    
    last_kept_idx = -np.inf

    for idx in indices_for_1:
        if idx - last_kept_idx >= 4:
            res[idx] = 1
            last_kept_idx = idx

    return res

res = filter_ones(val)
df['res'] = res
print(df)
'''
    id  val  res
0    0    1    1
1    1    0    0
2    2    0    0
3    3    1    0
4    4    1    1
5    5    0    0
6    6    1    0
7    7    0    0
8    8    1    1
9    9    0    0
10  10    0    0
11  11    1    0
'''