Python groupby操作后添加重复列

我试图在数据帧的单个列上连续应用2个groupby操作，在应用groupby操作后，又添加了一列，这不允许我应用第二个groupby

我找过类似的问题,找不到。这是一个正常的操作还是如何消除groupby操作中的额外列。我尝试过将

更改为索引

，

组键

选项，但都不起作用

df1

期待做

df1.groupby(df1['SUB'].ffill()).ffill().groupby('SUB').bfill()

groupby之后的当前输出（添加了额外的“子”列）

预期产量

    SUB CAT CODE    CODE1
0   123 NaN NaN     NaN 
1   123 SKU NaN     NaN 
2   123 SKU 1000123 NaN 
3   123 SKU 1000234 NaN 
4   456 NaN NaN     NaN
5   456 LIQ NaN     NaN
6   456 LIQ NaN   1000345
7   456 LIQ NaN   1000534
8   456 LIQ NaN   1000433

---

在网上查找时，我发现github中报告了一个bug，如下所示：

作为解决方法，请尝试以下方法：

df.groupby(df.SUB.ffill())[df.columns.difference(['SUB'])].ffill()

---

---

使用

.fillna

指定方法

.fillna（method='ffill'）

，是

.ffill

的同义词，但它没有针对分组设置错误

df.groupby(df.SUB.ffill()).fillna(method='ffill')

   CAT       CODE      CODE1    SUB
0  NaN        NaN        NaN  123.0
1  SKU        NaN        NaN  123.0
2  SKU  1000123.0        NaN  123.0
3  SKU  1000234.0        NaN  123.0
4  NaN        NaN        NaN  456.0
5  LIQ        NaN        NaN  456.0
6  LIQ        NaN  1000345.0  456.0
7  LIQ        NaN  1000534.0  456.0
8  LIQ        NaN  1000433.0  456.0

---

是的@anky_91，我们可以明确指出：）。我想知道pandas groupby是否被允许提供这样的重复列，或者我看到的删除的可能性。让我查一下我发现了这个：哦，熊猫的虫子然后：0，请将它添加到你的答案中，我会接受它并结束这个问题。同样@Naga Kiran.）感谢您的回答@anky_91，我们可以明确地指出：）。我想知道pandas groupby是否被允许提供这样的重复列或删除的可能性。当然我会合并。[.fillna]方法工作良好，不会重复类似于[.ffill]的列。谢谢你的回复@ALollz，

df.groupby(df.SUB.ffill())[df.columns.difference(['SUB'])].ffill()

     SUB  CAT       CODE      CODE1
0  123.0  NaN        NaN        NaN
1  123.0  SKU        NaN        NaN
2  123.0  SKU  1000123.0        NaN
3  123.0  SKU  1000234.0        NaN
4  456.0  NaN        NaN        NaN
5  456.0  LIQ        NaN        NaN
6  456.0  LIQ        NaN  1000345.0
7  456.0  LIQ        NaN  1000534.0
8  456.0  LIQ        NaN  1000433.0

df.groupby(df.SUB.ffill()).fillna(method='ffill')

   CAT       CODE      CODE1    SUB
0  NaN        NaN        NaN  123.0
1  SKU        NaN        NaN  123.0
2  SKU  1000123.0        NaN  123.0
3  SKU  1000234.0        NaN  123.0
4  NaN        NaN        NaN  456.0
5  LIQ        NaN        NaN  456.0
6  LIQ        NaN  1000345.0  456.0
7  LIQ        NaN  1000534.0  456.0
8  LIQ        NaN  1000433.0  456.0