在Python中的每个组末尾插入新行（带有日期时间索引）

我对Python非常陌生，现在我有一个如下表：

**YearMonth**    language     Rate

2018-01            en         0.093 
2018-02            en         0.084 
2018-03            en         0.088

...

2018-12            en         0.079 
2019-01            en         0.088 
2018-01            fr         0.094 
2018-02            fr         0.078 
2018-03            fr         0.087

... 
2018-12            fr         0.084 
2019-01            fr         0.079

现在，我想根据条件在每种语言的末尾插入一些行： e、 g

2019-02，en，某些值（如果2018-02>0.9，则为平均值（前3个月的值/3），否则为平均值（前3个月的值/4））

2019-02，fr，某些值（如果2018-02>0.9，则为平均值（前3个月的值/4），否则为平均值（前3个月的值/5））

---

我如何处理这个问题？谢谢

如果需要，使用最后3行组的平均值：

#values for division by language
dTrue = {'en':3, 'fr':4}
dFalse = {'en':4, 'fr':5}

#get mean of 3 last value of group
s = df.groupby('language')['Rate'].apply(lambda x: x[-3:].mean())
print (s)
language
en    0.085000
fr    0.083333
Name: Rate, dtype: float64

#filter rows by YearMonth and set new YearMonth
df1 = df[df['YearMonth'] == '2018-02'].assign(YearMonth='2019-02')
print (df1)
  YearMonth language   Rate
1   2019-02       en  0.084
6   2019-02       fr  0.078

#compare Rate and set division number by map of dictionaries
div = np.where(df1['Rate'] > 0.9, df1['language'].map(dTrue), df1['language'].map(dFalse))
print (div)
[4 5]

#division with mapped by Series s
df1['Rate'] = df1['language'].map(s) / div
print (df1)
  YearMonth language      Rate
1   2019-02       en  0.021250
6   2019-02       fr  0.016667

---

---

如果需要，使用最后3行组的平均值：

#values for division by language
dTrue = {'en':3, 'fr':4}
dFalse = {'en':4, 'fr':5}

#get mean of 3 last value of group
s = df.groupby('language')['Rate'].apply(lambda x: x[-3:].mean())
print (s)
language
en    0.085000
fr    0.083333
Name: Rate, dtype: float64

#filter rows by YearMonth and set new YearMonth
df1 = df[df['YearMonth'] == '2018-02'].assign(YearMonth='2019-02')
print (df1)
  YearMonth language   Rate
1   2019-02       en  0.084
6   2019-02       fr  0.078

#compare Rate and set division number by map of dictionaries
div = np.where(df1['Rate'] > 0.9, df1['language'].map(dTrue), df1['language'].map(dFalse))
print (div)
[4 5]

#division with mapped by Series s
df1['Rate'] = df1['language'].map(s) / div
print (df1)
  YearMonth language      Rate
1   2019-02       en  0.021250
6   2019-02       fr  0.016667

---