Python 基于最新列修改Dataframe列

我的

pandas.DataFrame

如下所示：

runseq  custid  m6    m7
 1       123    x     y
 1       345    y     z
 1       213    a     b
 2       123    a     c
 2       345    z     w
 2       213    x     k
 3       123    m     n
 3       345    o     p
 3       213    a     b

我希望所有以前的

runseq

（1,2）

m6

和

m7

值都替换为最新的

runseq

（3）。像这样：

runseq  custid  m6    m7
 1       123    m     n
 1       345    o     p
 1       213    a     b
 2       123    m     n
 2       345    o     p
 2       213    a     b
 3       123    m     n
 3       345    o     p
 3       213    a     b

如何实现这一点？

这可以通过以下方式实现：

代码： 测试代码： 结果： 如果没有带（

method='bfill'

）的最后一行，则可用于整形，然后用于

NaNs

，最后用于整形返回：

df1 = df.pivot(index='runseq',columns='custid')
mask = pd.Series((df1.index == df['runseq'].iat[-1]), index=df1.index)
#if necessary add ffill for forward filling NaNs
#df1 =  df1.where(mask).bfill().ffill().stack().reset_index()
df1 =  df1.where(mask).bfill().stack().reset_index()
print (df1)
0       1     123  m  n
1       1     213  a  b
2       1     345  o  p
3       2     123  m  n
4       2     213  a  b
5       2     345  o  p
6       3     123  m  n
7       3     213  a  b
8       3     345  o  p

另一个解决方案：

可用于重复转置值：

#columns for repaet
cols = ['m6','m7']
#get last value of column runseq
print (df['runseq'].iat[-1])
3

#create df1 with last group by filtering by boolean indexing
df1 = df.loc[df['runseq'] == df['runseq'].iat[-1], cols]
print (df1)
  m6 m7
6  m  n
7  o  p
8  a  b

#repeat values 3 times (length of groups by runseq) and assign back to columns
df[cols] = np.tile(df1.T.values, len(df['runseq'].unique())).transpose()
print (df)
   runseq  custid m6 m7
0       1     123  m  n
1       1     345  o  p
2       1     213  a  b
3       2     123  m  n
4       2     345  o  p
5       2     213  a  b
6       3     123  m  n
7       3     345  o  p
8       3     213  a  b

---

对于每个runseq，您是否总是具有相同的custid值？如果是这样的话，那么这是一个很小的问题，因为答案中有很多重复的数据，并且有多种方法可以实现这一点。是的，custid值在所有runseq中都是相同的。在这种情况下，最简单的方法是删除除runseq=3之外的所有行，然后与原始数据合并。因此，我将仅为最新的

runseq

创建数据帧。然后将分别使用

runseq

和

custid

对2个数据帧进行marge，但

m6

和

m7

将保持不变。对的

   custid  runseq m6 m7
0     123       1  m  n
1     345       1  o  p
2     213       1  a  b
3     123       2  m  n
4     345       2  o  p
5     213       2  a  b
6     123       3  m  n
7     345       3  o  p
8     213       3  a  b

df1 = df.pivot(index='runseq',columns='custid')
mask = pd.Series((df1.index == df['runseq'].iat[-1]), index=df1.index)
#if necessary add ffill for forward filling NaNs
#df1 =  df1.where(mask).bfill().ffill().stack().reset_index()
df1 =  df1.where(mask).bfill().stack().reset_index()
print (df1)
0       1     123  m  n
1       1     213  a  b
2       1     345  o  p
3       2     123  m  n
4       2     213  a  b
5       2     345  o  p
6       3     123  m  n
7       3     213  a  b
8       3     345  o  p

#columns for repaet
cols = ['m6','m7']
#get last value of column runseq
print (df['runseq'].iat[-1])
3

#create df1 with last group by filtering by boolean indexing
df1 = df.loc[df['runseq'] == df['runseq'].iat[-1], cols]
print (df1)
  m6 m7
6  m  n
7  o  p
8  a  b

#repeat values 3 times (length of groups by runseq) and assign back to columns
df[cols] = np.tile(df1.T.values, len(df['runseq'].unique())).transpose()
print (df)
   runseq  custid m6 m7
0       1     123  m  n
1       1     345  o  p
2       1     213  a  b
3       2     123  m  n
4       2     345  o  p
5       2     213  a  b
6       3     123  m  n
7       3     345  o  p
8       3     213  a  b