是否可以将python中的groupby应用于已分组的对象？

我有一个如下所示的数据集：

  File_no    A   B       Date     Batch  State   

0    1       2    3    23-1-2019    2      3
1    2       7    6    23-1-2019    2      4
2    3       9    2    24-1-2019    1      2
3    5       6    3    24-1-2019    2      3
4    6       4    3    24-1-2019    1      4
5    8       2    3    25-1-2019    1      4

我想根据日期和批次对数据列“A”和“B”进行分组。然后根据文件编号的顺序对这些列的行进行移位。例如，在上面的dataframe文件中，4号文件丢失

我能够实现移位功能，但我不能为每个小组单独完成

例如：6和8个文件不按顺序排列，但它们来自不同的日期。因此，不应执行移位，因为它缺少一个序列

diff = data['File_no'].diff().ne(1).cumsum() 

grouped=data.groupby(['Date','Batch'])

grouped.apply(lambda data: data.groupby(diff)['A','B'].shift())

当存在缺失序列且不考虑组时，这会发生移位。

预期产出：

  File_no    A   B       Date     Batch  State   

0    1       Nan  Nan    23-1-2019    2      3
1    2       2    3      23-1-2019    2      4
2    3       9    2      24-1-2019    1      2
3    5       Nan  Nan    24-1-2019    2      3
4    6       6    3      24-1-2019    1      4
5    8       2    3      25-1-2019    1      4

---

我认为您可以将带有序列的列传递给一个

groupby

：

diff = data['File_no'].diff().ne(1).cumsum() 
data[['A','B']] = data.groupby(['Date','Batch',diff])['A','B'].shift()
print (data)

   File_no    A    B       Date  Batch  State
0        1  NaN  NaN  23-1-2019      2      3
1        2  2.0  3.0  23-1-2019      2      4
2        3  NaN  NaN  24-1-2019      1      2
3        5  NaN  NaN  24-1-2019      2      3
4        6  NaN  NaN  24-1-2019      1      4
4        8  NaN  NaN  25-1-2019      1      4

编辑：

---

我认为您可以将带有序列的列传递给一个

groupby

：

diff = data['File_no'].diff().ne(1).cumsum() 
data[['A','B']] = data.groupby(['Date','Batch',diff])['A','B'].shift()
print (data)

   File_no    A    B       Date  Batch  State
0        1  NaN  NaN  23-1-2019      2      3
1        2  2.0  3.0  23-1-2019      2      4
2        3  NaN  NaN  24-1-2019      1      2
3        5  NaN  NaN  24-1-2019      2      3
4        6  NaN  NaN  24-1-2019      1      4
4        8  NaN  NaN  25-1-2019      1      4

编辑：

---

预期输出是否正确？因为如果在data.groupby（['Date'，'Batch']）：print（df）获取不同的组中使用i，df的

。是否可以使用
diff=data['File_no'].diff（）.ne（1）.cumsum（）df=data.groupby（['Date'，'Batch'，diff]）['A'，'B'].shift（）
？如果不是，原因是什么？嗨，是的，预期输出是正确的。是的，我可以使用你建议的代码。。。我想这应该会给我带来输出。我将验证输出..好的，因为它与所讨论的不同，因为不同的组。预期的输出正确吗？因为如果在data.groupby（['Date'，'Batch']）：print（df）

获取不同的组中使用i，df的

。是否可以使用
diff=data['File_no'].diff（）.ne（1）.cumsum（）df=data.groupby（['Date'，'Batch'，diff]）['A'，'B'].shift（）
？如果不是，原因是什么？嗨，是的，预期输出是正确的。是的，我可以使用你建议的代码。。。我想这应该会给我带来输出。我将验证输出..好的，因为它是不同的输出，就像所讨论的，因为不同的组。是的..只是输出中的一个小变化，我将文件5的值移到了文件6。因此，文件6不是'NaN'@hakuna_code-我不确定是否理解，你能解释更多吗？因此，如果你看到文件5，它会变成NaN，因为它缺少的序列是abive（文件4缺少）。但是，文件5将按照顺序将其“A”和“B”列值移动到文件6。当我运行文件时，6号文件没有A和B的NaNprogram@hakuna_code-文件\u no

中的值是唯一的和数字吗？是的。只是输出中的一个小变化，我将文件5的值移到了文件6。因此，文件6不是'NaN'@hakuna_code-我不确定是否理解，你能解释更多吗？因此，如果你看到文件5，它会变成NaN，因为它缺少的序列是abive（文件4缺少）。但是，文件5将按照顺序将其“A”和“B”列值移动到文件6。当我运行文件时，6号文件没有A和B的NaNprogram@hakuna_code-文件_no中的值是否唯一和唯一？