Python 3.x 如何基于另一行更新数据帧？

我有一个测量学生成绩的数据框

student

，如下所示：

ID  TestDate    PerformanceStatus (PS)
1   15/03/2016  0
1   01/04/2016  2
1   05/05/2016  1
1   07/06/2016  1
2   15/03/2016  0
2   01/04/2016  2
2   05/05/2016  1
2   07/06/2016  3
2   23/08/2016  1

我想更新我的表，使其具有一个新列PreviousPerformanceStatus。 此先前的performanceStatus是根据监控的performanceStatus计算的，如下所示： 注意：如果在测试日期之前没有记录performanceStatus，我想将

PreviousPerformanceStatus=performanceStatus设置为

ID  TestDate    PS  PreviousPerformanceStatus
1   15/03/2016  0   0
1   01/04/2016  2   0
1   05/05/2016  1   2
1   07/06/2016  1   1
2   15/03/2016  0   0
2   01/04/2016  2   0
2   05/05/2016  1   2
2   07/06/2016  3   1
2   23/08/2016  1   3

我可以用SQL语句来实现这一点，但是如何用pandas更新我的数据帧呢。
谢谢

例如：
（对于ID=1的情况）先前的PerformanceStatus是基于“更早”测试日期的PerformanceStatus计算的，因此当TestDate=01/04/2016时，我想使用TestDate=15/03/2016的数据。但是，如果我找不到任何以前的数据，我将使用PerformanceStatus中的值默认先前的PerformanceStatus，并在
'ID'
上执行
groupby
，然后使用和：

如果事先知道数据帧将正确排序，则可以跳过日期转换和排序

结果输出：

   ID   TestDate  PS  PrevPS
0   1 2016-03-15   0       0
1   1 2016-04-01   2       0
2   1 2016-05-05   1       2
3   1 2016-06-07   1       1
4   2 2016-03-15   0       0
5   2 2016-04-01   2       0
6   2 2016-05-05   1       2
7   2 2016-06-07   3       1
8   2 2016-08-23   1       3

在
'ID'
上执行
分组，并使用和：

如果事先知道数据帧将正确排序，则可以跳过日期转换和排序

结果输出：

   ID   TestDate  PS  PrevPS
0   1 2016-03-15   0       0
1   1 2016-04-01   2       0
2   1 2016-05-05   1       2
3   1 2016-06-07   1       1
4   2 2016-03-15   0       0
5   2 2016-04-01   2       0
6   2 2016-05-05   1       2
7   2 2016-06-07   3       1
8   2 2016-08-23   1       3

为什么要使用
bfill
？下一行也会这样做，例如
df['PrevPS']=df['PS'].shift（）；df['PrevPS']=df['PrevPS'].fillna（0）.astype（int）
@discort:为了说明“如果在测试日期之前没有记录performanceStatus，我想使PreviousPerformanceStatus=performanceStatus”的要求。单独使用
shift
将在第一个位置引入
NaN
。你不能仅仅用零填充，因为我认为不能保证第一个状态为零；示例数据中正好是这样。@discort：如果我正确阅读了问题，您需要执行
groupby
，因为移位是在
'ID'
级别进行的，而不是在数据帧上全局进行的。例如，对于您发布的代码，ID 2的“Previous”列的第一个条目将为1，而不是示例输出中显示的0。您能解释这一行吗
df['PrevPS']=df.groupby（'ID'）['PS'].apply（lambda-grp:grp.shift（）.bfill（））.astype（int）
为什么要使用
bfill
？接下来的几行也会这样做，例如
df['PrevPS']=df['PS'].shift（）；df['PrevPS']=df['PrevPS'].fillna（0）.astype（int）
@discort:为了说明“如果在测试日期之前没有记录performanceStatus，我想使PreviousPerformanceStatus=performanceStatus”的要求。单独使用
shift
将在第一个位置引入
NaN
。你不能仅仅用零填充，因为我认为不能保证第一个状态为零；示例数据中正好是这样。@discort：如果我正确阅读了问题，您需要执行
groupby
，因为移位是在
'ID'
级别进行的，而不是在数据帧上全局进行的。例如，对于您发布的代码，ID 2的“Previous”列的第一个条目将为1，而不是示例输出中显示的0。您能解释这一行吗
df['PrevPS']=df.groupby（'ID'）['PS'].apply（lambda-grp:grp.shift（）.bfill（））.astype（int）