Python 如何更快地迭代数据帧中的行？

我有一个来自熊猫的数据帧：

import pandas as pd
data = [{'c1':'aaa', 'c2':100, 'c3': 99, 'c4': 0}, {'c1':'bbb','c2':110, 'c3': 89, 'c4': 0}, 
{'c1':'aaa','c2':NaN,'c3': 93, 'c4': 0},{'c1':'ccc', 'c2':130,'c3': 77, 'c4': 0}, 
{'c1':'ddd','c2':140,'c3': 54, 'c4': 0}, {'c1':'bbb','c2':NaN,'c3': 76, 'c4': 0},
{'c1':'ddd', 'c2':NaN,'c3': 75, 'c4': 0}]
df = pd.DataFrame(data)
print df

输出：

   c1    c2   c3  c4
0 'aaa'  100  99  0
1 'bbb'  110  89  0
2 'aaa'  100  93  0
3 'ccc'  130  77  0
4 'ddd'  140  54  0
5 'bbb'  110  76  0
6 'ddd'  140  75  0

现在，我想为每一行匹配列c1，设置列c4等于另一行匹配第一个字段的列c2。结果是：

   c1    c2   c3  c4
0 'aaa'  100  99  0
1 'bbb'  110  89  0
2 'aaa'  100  93  100
3 'ccc'  130  77  0
4 'ddd'  140  54  0
5 'bbb'  110  76  110
6 'ddd'  140  75  140

这个数据帧就是一个例子，真正的数据帧有更多的列和更多的行（大约400万）。我最初的想法是：

for index, row in df.iterrows(): 
    df[df.c1==row.c1].iloc[1].c4= row.c2

---

只能有另一个匹配行。显然，使用iterrows的过程非常慢。

根据您最近的编辑，您可以使用

df.groupby

填充NA，然后使用shift键，这会将值向下移动一行到组后面：

df['c4'] = df.groupby("c1")['c2'].shift().fillna(df['c4'])

---

---

不要迭代，

df.groupby（“c1”）['c2'].ffill（）

可以吗我想我已经更新了问题。。。

      c1   c2  c3     c4
0  'aaa'  100  99    0.0
1  'bbb'  110  89    0.0
2  'aaa'  100  93  100.0
3  'ccc'  130  77    0.0
4  'ddd'  140  54    0.0
5  'bbb'  110  76  110.0
6  'ddd'  140  75  140.0