Python 根据特定列的条件，将一组行的数据帧值分配给另一组行

我试图根据条件将某些特定列的行的df值分配给其他行。
当我执行以下操作时，它会起作用，因为第2周以下的周数或相等的周数对于作业双方都是相同的

data = {'year': [2020,2020,2020,2020,2021,2021,2021],
'id':[1,1,1,1,1,1,1],
'week': [1,2,3,4,1,2,4],
'value':[0.1,0.2,0.3,0.4,0.5,0.6,0.7]}
df = pd.DataFrame(data)
df


      year id  week value
0   2020    1   1   0.1
1   2020    1   2   0.2
2   2020    1   3   0.3
3   2020    1   4   0.4
4   2021    1   1   0.5
5   2021    1   2   0.6
6   2021    1   4   0.7

任务：

df.loc[(df['year'] == 2021) & (df['week']<= 2),'value'] = df.loc[(df['year'] == 2020) & (df['week']<= 2),'value'].to_numpy()
df

但是，当我将作业更改为第2周以上时，它将不起作用，因为双方的大小不相等：

df.loc[(df['year'] == 2021) & (df['week']>= 2),'value'] = df.loc[(df['year'] == 2020) & (df['week']>= 2),'value'].to_numpy()
df 

ValueError：在使用 宜人的

我试着在没有。to_numpy（）的情况下这样做，但后来我在2021年得到了NaN

编辑： 当我使用with.to_numpy（）时，我得到的是：

df.loc[(df['year'] == 2021) & (df['week']<= 2),'value'] = df.loc[(df['year'] == 2020) & (df['week']<= 2),'value']
df

    year   id week value
0   2020    1   1   0.1
1   2020    1   2   0.2
2   2020    1   3   0.3
3   2020    1   4   0.4
4   2021    1   1   NaN
5   2021    1   2   NaN
6   2021    1   4   0.7

---

df.loc[（df['year']==2021）和（df['week']基于指数的首次尝试：

将
[“年”、“id”、“周”]
设置为数据帧的索引：
选择数据帧的子集作为新值：
修改新值索引（2020年）→ 2021年）
用新值更新数据帧
对于
周>=2
：

>>> df = df.set_index(["year", "id", "week"])
>>> vals = df.loc[pd.IndexSlice[2020, :, range(2, 10)]]
>>> vals.index = vals.index.set_levels([2021], level="year")
>>> df.update(vals)
>>> df
              value
year id week
2020 1  1       0.1
        2       0.2
        3       0.3
        4       0.4
2021 1  1       0.5
        2       0.2  # changed from 0.6
        4       0.4  # changed from 0.7

更新：使用
df.query
而不是
df.loc

替换：

>>> df = df.loc[pd.IndexSlice[2020, :, range(3)]]
>>> df.loc[pd.IndexSlice[2020, :, range(2, 10)]]

作者：

>>df.query（“（年份==2020）和（周=2）”）

这更直观！
如果“忽略”是你想要的，为什么nans不好？你能显示预期的输出吗？@Gulzar我得到NaN不是因为缺少值，而是因为我不使用时整个赋值范围。to_numpy（）.我添加了一个示例，如果长度不相等，那么您希望根据哪些标准填充这些值？您可以使用mean df['value']=df['value']=df['value']].fillna（value=df.loc[[df['year']=2020]和（df['week']>=2）]。value.mean（）我简化了处理条件的问题。@Nk03我不想为NAs填充任何内容。我只想为满足条件的行细分值
>>> vals = df.loc[pd.IndexSlice[2020, :, range(3)]]
>>> vals
              value
year id week
2020 1  1       0.1
        2       0.2

>>> vals.index = vals.index.set_levels([2021], level="year")
>>> vals
              value
year id week
2021 1  1       0.1
        2       0.2

>>> df.update(vals)
>>> df
              value
year id week
2020 1  1       0.1
        2       0.2
        3       0.3
        4       0.4
2021 1  1       0.1  # changed from 0.5
        2       0.2  # changed from 0.6
        4       0.7

>>> df = df.set_index(["year", "id", "week"])
>>> vals = df.loc[pd.IndexSlice[2020, :, range(2, 10)]]
>>> vals.index = vals.index.set_levels([2021], level="year")
>>> df.update(vals)
>>> df
              value
year id week
2020 1  1       0.1
        2       0.2
        3       0.3
        4       0.4
2021 1  1       0.5
        2       0.2  # changed from 0.6
        4       0.4  # changed from 0.7

>>> df = df.loc[pd.IndexSlice[2020, :, range(3)]]
>>> df.loc[pd.IndexSlice[2020, :, range(2, 10)]]

>>> df.query("(year == 2020) and (week <= 2)")
>>> df.query("(year == 2020) and (week >= 2)")