Python 基于多个条件替换groupby中的值

我的问题与此相关，但我仍然不知道如何将答案应用于我的问题。我有这样一个数据帧：

df = pd.DataFrame({
    'date': ['2001-01-01', '2001-02-01', '2001-03-01', '2001-04-01', '2001-02-01', '2001-03-01', '2001-04-01'],
    'cohort': ['2001-01-01', '2001-01-01', '2001-01-01', '2001-01-01', '2001-02-01', '2001-02-01', '2001-02-01'],
    'val': [100, 101, 102, 101, 200, 201, 201]
})

df
    date        cohort      val
0   2001-01-01  2001-01-01  100
1   2001-02-01  2001-01-01  101
2   2001-03-01  2001-01-01  102
3   2001-04-01  2001-01-01  101
4   2001-02-01  2001-02-01  200
5   2001-03-01  2001-02-01  201
6   2001-04-01  2001-02-01  201

对于每个

队列

，我想用

val

的最大值替换

val

的值，但仅用于

date

小于与

val

最大值相关联的

日期

的观察。因此，行0、1和4将更改为如下所示：

df #This is what I want my final df to look like 
    date        cohort      val
0   2001-01-01  2001-01-01  102
1   2001-02-01  2001-01-01  102
2   2001-03-01  2001-01-01  102
3   2001-04-01  2001-01-01  101
4   2001-02-01  2001-02-01  201
5   2001-03-01  2001-02-01  201
6   2001-04-01  2001-02-01  201

如果没有很多循环，我怎么做呢

确定每组

队列的
val
的最大值

确定与

val

使用

np执行矢量化比较和替换。其中

---

我不太明白。对于第二行，2001-02-01大于2001-01-01，那么为什么该行的val也被替换？第二行的更改是因为

日期小于与
val
最大值关联的日期。您是指每个组还是整个数据帧？是。。。。。。。。。。。。
v = df.groupby('cohort').val.transform('max')
df['val'] = np.where(
    df.date <= df.set_index('cohort').val.idxmax(), v, df.val
)

df
    date        cohort      val
0   2001-01-01  2001-01-01  102
1   2001-02-01  2001-01-01  102
2   2001-03-01  2001-01-01  102
3   2001-04-01  2001-01-01  101
4   2001-02-01  2001-02-01  201
5   2001-03-01  2001-02-01  201
6   2001-04-01  2001-02-01  201