我希望PON列以df['LID']作为键从refrence_dict填充，并根据条件（即

conditions = [(dff['Mode'].shift(1) != 'SD') & (dff['Mode']=='SD')]

我的dataframe是：

refrence_dict={'A': 100, 'B': 80, 'C': 30, 'D': 400}
df0 = pd.DataFrame({'LID': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B', 'C', 'C', 'C', 'C', 'C'], 
                     'Mode': ['FS', 'SD', 'SD', 'FS', 'SD', 'SD', 'FS', 'FS', 'FS', 'SD', 'SD', 'FS', 'SD', 'SD', 'FS']})

我想要的是：

df1 = pd.DataFrame({'LID': ['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B', 'C', 'C', 'C', 'C', 'C'],
                   'Mode': ['FS', 'SD', 'SD', 'FS', 'SD', 'SD', 'FS', 'FS', 'FS', 'SD', 'SD', 'FS', 'SD',   'SD', 'FS'],
                   'PON': [100, 101, 101, 101, 102, 81, 81, 81, 81, 82, 31, 31, 32, 32, 32 ]})

到目前为止，我所尝试的是：按LID对值进行排序，然后从refrence_dict填充新的临时列PON_tmp，然后仅当条件为真时才用PON_temp中的值填充PON列;最后，我在PON列上使用了cumsum()，但不是递增1，而是将值相加。
上述步骤的代码：

def sort_values(df):
    print(f"\nSorting values")
    df.sort_values(by=['LID'], inplace=True,)
    return df 

def replace_po(df): 
    df["PON_tmp"]=df["LID"].replace(refrence_dict) 
    return df 
 
def op_cumsum(df):
    df['PON'] = df.groupby(['LID'])['PO'].cumsum()
    return df

def process_1(df, val):
    conditions = [(df['Mode'].shift(1) != val) & (df['Mode']==val)]
    aggregation = {'reboot_rate': ('Mode','size')}
    choices = [df['PON_tmp']]
    df['PO']= np.select(conditions, choices, default=np.NAN )
    return df

dfm = (df0.
    pipe(sort_values).
    pipe(replace_po). #create new col PON_tmp
    pipe(process_1, 'SD').
    pipe(op_cumsum))