Python 使用相应的过去索引值和特定的唯一列值填充新的dataframe列

我想知道是否有一种优雅的方式，我做了很长时间，我相信非常粗糙的方式。假设我们有一个数据框，其中有两列：“col1”和“col2”。行数为13'Col1'包含三个变量：“a”、“b”和“c”col2'包含随机数值。现在，我想创建一个名为“teststat”的新列，该列包含“col2”中包含的值，该值在“col1”中的变量上次出现时包含，或者如果是第一次出现，则等于当前值。例如，如果“a”出现在第0、1、4、6和12行，并且在这些索引位置的col2值为32、432、56、4和34，则这些位置的测试统计值应为32、32、432、56和4

我想要的示例数据集：

index   col1    teststat    col2
  0      a         32.0       32
  1      a         32.0      432
  2      b        433.0      433
  3      c          4.0        4
  4      a        432.0       56
  5      c          4.0       64
  6      a         56.0        4
  7      b        433.0      535
  8      c         64.0      643
  9      c        643.0      356
 10      b        535.0       32
 11      b         32.0      535
 12      a          4.0       34

我使用了以下代码，该代码使用存储“a”、“b”、“c”中特定值的索引的逻辑，然后使用for循环编写单个代码，但我可以看到，在放大时，这可能会成为一个问题，例如，如果“col1”中只有3个唯一值，而我们有500多个单独的唯一值。我想要一个解决方案/逻辑，说明可以为该场景做些什么。我在下面添加了代码：

单元格[1]：

for vals in list(df['col1'].unique()):
    if vals=='a':
        idxa = df.index[df['col1']=='a']
    if vals=='b':
        idxb = df.index[df['col1']=='b']
    if vals=='c':
        idxc = df.index[df['col1']=='c']    

单元格[2]：

for i in range(len(idxa)):
    if i==0:
        df.loc[idxa[i],'test_stat']=df.loc[idxa[i],'col2']
    else:
        df.loc[idxa[i],'test_stat']=df.loc[idxa[i-1],'col2']


for i in range(len(idxb)):
    if i==0:
        df.loc[idxb[i],'test_stat']=df.loc[idxb[i],'col2']
else:
    df.loc[idxb[i],'test_stat']=df.loc[idxb[i-1],'col2']

for i in range(len(idxc)):
    if i==0:
        df.loc[idxc[i],'test_stat']=df.loc[idxc[i],'col2']
    else:
        df.loc[idxc[i],'test_stat']=df.loc[idxc[i-1],'col2']        

---

有没有更优雅/更好的方法？任何想法/帮助都将不胜感激。

一种方法是将

groupby

与

shift

一起使用

df['teststat'] = df.groupby('col1')['col2'].shift(1).fillna(df['col2'])

print(df[['col1', 'teststat', 'col2']])

    col1    teststat    col2
0      a        32.0      32
1      a        32.0     432
2      b       433.0     433
3      c         4.0       4
4      a       432.0      56
5      c         4.0      64
6      a        56.0       4
7      b       433.0     535
8      c        64.0     643
9      c       643.0     356
10     b       535.0      32
11     b        32.0     535
12     a         4.0      34

编辑

关于你补充的问题：

比如说，我需要另一列“teststat2”，它给出“col1”中某个特定值的最后两个值之间的差值

您可以只做以下操作

df['teststat2'] = df['col2'] - df['teststat']
df.loc[df['teststat2'] == 0, 'teststat2'] = df['col2']
print(df)

    col1    teststat    col2    teststat2
0      a        32.0      32         32.0
1      a        32.0     432        400.0
2      b       433.0     433        433.0
3      c         4.0       4          4.0
4      a       432.0      56       -376.0
5      c         4.0      64         60.0
6      a        56.0       4        -52.0
7      b       433.0     535        102.0
8      c        64.0     643        579.0
9      c       643.0     356       -287.0
10     b       535.0      32       -503.0
11     b        32.0     535        503.0
12     a         4.0      34         30.0

---

一种方法是将

groupby

与

shift

一起使用

df['teststat'] = df.groupby('col1')['col2'].shift(1).fillna(df['col2'])

print(df[['col1', 'teststat', 'col2']])

    col1    teststat    col2
0      a        32.0      32
1      a        32.0     432
2      b       433.0     433
3      c         4.0       4
4      a       432.0      56
5      c         4.0      64
6      a        56.0       4
7      b       433.0     535
8      c        64.0     643
9      c       643.0     356
10     b       535.0      32
11     b        32.0     535
12     a         4.0      34

编辑

关于你补充的问题：

比如说，我需要另一列“teststat2”，它给出“col1”中某个特定值的最后两个值之间的差值

您可以只做以下操作

df['teststat2'] = df['col2'] - df['teststat']
df.loc[df['teststat2'] == 0, 'teststat2'] = df['col2']
print(df)

    col1    teststat    col2    teststat2
0      a        32.0      32         32.0
1      a        32.0     432        400.0
2      b       433.0     433        433.0
3      c         4.0       4          4.0
4      a       432.0      56       -376.0
5      c         4.0      64         60.0
6      a        56.0       4        -52.0
7      b       433.0     535        102.0
8      c        64.0     643        579.0
9      c       643.0     356       -287.0
10     b       535.0      32       -503.0
11     b        32.0     535        503.0
12     a         4.0      34         30.0

---

回答得好，

.shift（1）

应该是

.shift（）

：）非常感谢您的解决方案。它是有效的，从上面我可以理解的是，首先将索引移动1，以便根据col1对col2值进行分组，然后将这些值填充到“teststat”列中。好的，现在我有另一个问题，是这个问题的延伸。比如说，我需要另一列“teststat2”，它给出“col1”中某个特定值的最后两个值之间的差值。从我的理解来看，移位只是移位索引，而不是存储索引。感谢您的帮助。类似“a”的字符出现在第0、1、4、6和12行，在这些索引位置的col2值是32、432、56、4和34，那么teststat2值应该是32（=32）、400（=432-32）、-376（=56-432）和30（=34-4）。除非我遗漏了什么，否则这似乎与从

df['teststat]

减去

df['col2]

是一样的。然后您可以只更新

df['teststat2]

为0的值。请看我的编辑。是的，本刚刚检查了你的编辑。工作起来很有魅力。谢谢你的帮助。但现在我必须加强对转型和分组操作的控制。非常方便。回答得好，

.shift（1）

应该是

.shift（）

：）非常感谢您的解决方案。它是有效的，从上面我可以理解的是，首先将索引移动1，以便根据col1对col2值进行分组，然后将这些值填充到“teststat”列中。好的，现在我有另一个问题，是这个问题的延伸。比如说，我需要另一列“teststat2”，它给出“col1”中某个特定值的最后两个值之间的差值。从我的理解来看，移位只是移位索引，而不是存储索引。感谢您的帮助。类似“a”的字符出现在第0、1、4、6和12行，在这些索引位置的col2值是32、432、56、4和34，那么teststat2值应该是32（=32）、400（=432-32）、-376（=56-432）和30（=34-4）。除非我遗漏了什么，否则这似乎与从

df['teststat]

减去

df['col2]

是一样的。然后您可以只更新

df['teststat2]

为0的值。请看我的编辑。是的，本刚刚检查了你的编辑。工作起来很有魅力。谢谢你的帮助。但现在我必须加强对转型和分组操作的控制。非常方便。