在满足某些条件的情况下（在Python中）循环遍历DataFrame并计算DataFrame中出现次数的最快方法是什么？

我有一个带有两个布尔字段的数据框（如下所示）。

import pandas as pd

d = [{'a1':False, 'a2':False}, {'a1':True, 'a2':False}, {'a1':True, 'a2':False}, {'a1':False, 'a2':False}, {'a1':False, 'a2':True},
     {'a1': False, 'a2': False}, {'a1':False, 'a2':False}, {'a1':True, 'a2':False}, {'a1':False, 'a2':True}, {'a1':False, 'a2':False},]

df = pd.DataFrame(d)
df

Out[1]: 
      a1     a2
0  False  False
1   True  False
2   True  False
3  False  False
4  False   True
5  False  False
6  False  False
7   True  False
8  False   True
9  False  False

我正在尝试找到最快，最“ Pythonic”的方法来实现以下目标：

• 如果a1 == True，则从当前行计算实例，其中a2 == False（例如，第1行：a1 = True，对于第1行中的三行，a2为False）
• 在a2 == True的第一个实例处，停止计数（例如，第4行，count = 3）
• 在开始计数的行上将“ count”的值设置为新的df列“ a3” （例如，第1行的“ a3” = 3）

目标结果集如下。

      a1     a2  a3
0  False  False   0
1   True  False   3
2   True  False   2
3  False  False   0
4  False   True   0
5  False  False   0
6  False  False   0
7   True  False   1
8  False   True   0
9  False  False   0

我一直在尝试使用for循环，iterrows和while循环来完成此操作，但到目前为止，还没有能够提供一个良好的嵌套组合来提供我想要的结果。任何帮助表示赞赏。如果问题不能完全解决，我深表歉意。