Pandas 根据前一行替换值

Question

我是 pandas 的新手，希望您就如何解决我的问题提出意见。我有以下数据框：

df = pd.DataFrame({'A' : ["me","you","you","me","me","me","me"],
                'B' : ["Y","X","X","X","X","X","Z"],
               'C' : ["1","2","3","4","5","6","7"]
              })

我需要根据 A 列和 B 列中的行值对其进行转换。逻辑应该是，只要 A 列和 B 列中的值在连续的行上相同，该序列中的第一行就应该是保留但后续行应在 B 列中设置 'A'。

例如：A 列和 B 列中的值在第 1 行和第 2 行中相同。B 列第 2 行中的值应替换为 A。这是我的预期输出：

df2= pd.DataFrame({'A' : ["me","you","you","me","me","me","me"],
                'B' : ["Y","X","A","X","A","A","Z"],
               'C' : ["1","2","3","4","5","6","7"]})

Answer 1

您可以先对 A 和 B 列求和：

a = df.A + df.B

然后与移位版本比较：

print (a != a.shift())
0     True
1     True
2    False
3     True
4    False
5    False
6     True
dtype: bool

通过 cumsum 创建独特的组：

print ((a != a.shift()).cumsum())
0    1
1    2
2    2
3    3
4    3
5    3
6    4
dtype: int32

获取重复值的布尔掩码：

print ((a != a.shift()).cumsum().duplicated())
0    False
1    False
2     True
3    False
4     True
5     True
6    False
dtype: bool

将 True 值替换为 A 的解决方案：

df.loc[(a != a.shift()).cumsum().duplicated(), 'B'] = 'A'
print (df)
     A  B  C
0   me  Y  1
1  you  X  2
2  you  A  3
3   me  X  4
4   me  A  5
5   me  A  6
6   me  Z  7

df.B = df.B.mask((a != a.shift()).cumsum().duplicated(), 'A')
print (df)
     A  B  C
0   me  Y  1
1  you  X  2
2  you  A  3
3   me  X  4
4   me  A  5
5   me  A  6
6   me  Z  7

print (df2.equals(df))
True

Pandas 根据前一行替换值

Pandas replacing values depending on prior row

replace

duplicates

python-2.7

pandas

cumsum