Python 条件转移到上一个类别

我想回答之前其他人提出的一个问题： 有人问到如何获取pandas上一辆同类型汽车的销售日期，用户询问的是条件转换功能。答案是一辆群车和一个班次，解决了这个问题。 现在，我想计算一辆不同（例如，按字典顺序排列的以前）类型的汽车的销售日期。因此，一个有条件的换档功能可以一直换档到某个条件（汽车类型改变）才能解决这个问题。你会怎么做？谢谢

编辑：

---

它已经按照A和B进行了排序。先前的询问者想知道“A属于相同类型的B列的先前值是多少”。如您所见，在第0行中没有前一行，因此nan，在第1行中，前一行也有A=0=>previous=1.5，依此类推。我现在想要“B列的上一个值，其中A小于1”。这意味着对于A=0的所有行，我们没有A为-1的行。对于A=1的所有行，我们取A=0的最后一行，这里B是2.5。我希望这能解释清楚。

您仍然可以使用

groupby

和

shift

，但方式略有不同：

df = pd.DataFrame({'A': [0,0,0,1,1,2], 'B':[1.5,2,2.5,3.7,4,4.2]})
grouped = df.groupby('A', as_index=False).last().shift().B
grouped = pd.DataFrame(grouped)
pd.merge(df, grouped, left_on='A', right_index=True)

产出：

   A  B_x  B_y
0  0  1.5  NaN
1  0  2.0  NaN
2  0  2.5  NaN
3  1  3.7  2.5
4  1  4.0  2.5
5  2  4.2  4.0

注意：这假设A包含从0到

max（df.A）

---

编辑：差异并将B的第三个值更改为1

df = pd.DataFrame({'A': [0, 0, 0, 1, 1, 2], 'B': [1.5, 2, 2.5, 1, 4, 4.2]})
grouped = df.groupby('A', as_index=False).min().shift().B
grouped = pd.DataFrame(grouped)
merged = pd.merge(df, grouped, left_on='A', right_index=True)
print(np.abs(merged.B_x - merged.B_y))

产出：

0    NaN
1    NaN
2    NaN
3    0.5
4    2.5
5    3.2
dtype: float64

0    NaN
1    NaN
2    NaN
3    0.5
4    1.5
5    0.2
dtype: float64

---

编辑2：

这花了我一段时间，但我认为它现在起作用了。不要认为这是最好的解决方案，但它确实有效；）

产出：

0    NaN
1    NaN
2    NaN
3    0.5
4    2.5
5    3.2
dtype: float64

0    NaN
1    NaN
2    NaN
3    0.5
4    1.5
5    0.2
dtype: float64

---

现在在

a

中存储上一组的列表，然后可以将其合并到索引上的数据框中。然后对所有行应用函数

f（x）

，这些行查找

x.B_x

和

x.B_y

的值之间的最小距离（列表）。

您仍然可以使用

groupby

和

shift

，但方式略有不同：

df = pd.DataFrame({'A': [0,0,0,1,1,2], 'B':[1.5,2,2.5,3.7,4,4.2]})
grouped = df.groupby('A', as_index=False).last().shift().B
grouped = pd.DataFrame(grouped)
pd.merge(df, grouped, left_on='A', right_index=True)

产出：

   A  B_x  B_y
0  0  1.5  NaN
1  0  2.0  NaN
2  0  2.5  NaN
3  1  3.7  2.5
4  1  4.0  2.5
5  2  4.2  4.0

注意：这假设A包含从0到

max（df.A）

---

编辑：差异并将B的第三个值更改为1

df = pd.DataFrame({'A': [0, 0, 0, 1, 1, 2], 'B': [1.5, 2, 2.5, 1, 4, 4.2]})
grouped = df.groupby('A', as_index=False).min().shift().B
grouped = pd.DataFrame(grouped)
merged = pd.merge(df, grouped, left_on='A', right_index=True)
print(np.abs(merged.B_x - merged.B_y))

产出：

0    NaN
1    NaN
2    NaN
3    0.5
4    2.5
5    3.2
dtype: float64

0    NaN
1    NaN
2    NaN
3    0.5
4    1.5
5    0.2
dtype: float64

---

编辑2：

这花了我一段时间，但我认为它现在起作用了。不要认为这是最好的解决方案，但它确实有效；）

产出：

0    NaN
1    NaN
2    NaN
3    0.5
4    2.5
5    3.2
dtype: float64

0    NaN
1    NaN
2    NaN
3    0.5
4    1.5
5    0.2
dtype: float64

---

现在在

a

中存储上一组的列表，然后可以将其合并到索引上的数据框中。然后对所有行应用函数

f（x）

，这些行查找

x.B_x

和

x.B_y

的值之间的最小距离（列表）。

您能举个例子吗？我觉得有点难以理解你到底想要什么。你能举个例子吗？我觉得有点难以理解你到底想要什么。太好了，谢谢！很抱歉，这可能与主题无关，但对于我的concreate应用程序场景，我不需要最后一个元素，但我想要距离最小的元素。因此，输出应该是[Nan，Nan，Nan，1.2，1.5，0.2]。

merged.B_x-merged.B_y

返回一个有差异的序列，并且

（merged.B_x-merged.B_y）.min（）是其中的最小值。这不是我想要的，只是在这里B已经在上升。设置df.loc[3，'B']=1。那么你的差异都是-1.5。然而，我想要的是从第3行中的B值到A=0的任何行的最小距离，即0.5。这就是我也想到“条件移位”的原因。然后，我只按B排序，只要找到一行a与我的条件匹配，我就会向后移动。不，我不希望这样。我不想要团体中最小/最大的价值。对于每一行，我想找到“previous”组的值，该值使与curernt值的差异最小化。因此，对于行3，我们考虑所有行，其中A＝0，如行3，我们有A＝1。第3行中B的值为：3.7。然后将差异最小化3.7-2.5。对于第4行，差异也减小了4.0-2.5。对于行5，我们考虑所有行的A＝1，差最小化4.2～4，谢谢！很抱歉，这可能与主题无关，但对于我的concreate应用程序场景，我不需要最后一个元素，但我想要距离最小的元素。因此，输出应该是[Nan，Nan，Nan，1.2，1.5，0.2]。
merged.B_x-merged.B_y
返回一个有差异的序列，并且
（merged.B_x-merged.B_y）.min（）是其中的最小值。这不是我想要的，只是在这里B已经在上升。设置df.loc[3，'B']=1。那么你的差异都是-1.5。然而，我想要的是从第3行中的B值到A=0的任何行的最小距离，即0.5。这就是我也想到“条件移位”的原因。然后，我只按B排序，只要找到一行a与我的条件匹配，我就会向后移动。不，我不希望这样。我不想要团体中最小/最大的价值。对于每一行，我想找到“previous”组的值，该值使与curernt值的差异最小化。因此，对于行3，我们考虑所有行，其中A＝0，如行3，我们有A＝1。第3行中B的值为：3.7。然后将差异最小化3.7-2.5。对于第4行，差异也减小了4.0-2.5。对于行5，我们考虑所有行，其中A＝1，差最小为4.2到4。