基于两个条件的 Python pandas 数据帧回填

Question

我有一个这样的数据框：   Bool   Hour0  False  121  False  242  False  123  False  244  True   125  False  246  False  127  False  248  False  129  False  2410 False  1211 True   24我想将“布尔”列中的真值回填到“小时”第一次达到“12”时的点。结果将是这样的：   Bool   Hour  Result0  False  12    False1  False  24    False2  False  12    True      <- desired backfill3  False  24    True      <- desired backfill4  True   12    True5  False  24    False6  False  12    False7  False  24    False8  False  12    False9  False  24    False10 False  12    True      <- desired backfill11 True   24    True任何帮助是极大的赞赏！非常感谢！

Answer 1

这有点难以实现，这里我们可以使用groupbywith idxmax

s=(~df.Bool&df.Hour.eq(12)).iloc[::-1].groupby(df.Bool.iloc[::-1].cumsum()).transform('idxmax')

df['result']=df.index>=s.iloc[::-1]

df

Out[375]: 

     Bool  Hour  result

0   False    12   False

1   False    24   False

2   False    12    True

3   False    24    True

4    True    12    True

5   False    24   False

6   False    12   False

7   False    24   False

8   False    12   False

9   False    24   False

10  False    12    True

11   True    24    True

Answer 2

s连续创建一个 groupIDFalse并与它们分开True。Groupby on Hourequals12使用s. 使用变换sum和从每组的自下而上获取oncumsum的计数，并返回on和的值True12True0orBool

s = df.Bool.ne(df.Bool.shift()).cumsum()

s1 = df.where(df.Bool).Bool.bfill()

g = df.Hour.eq(12).groupby(s)

df['bfill_Bool'] = (g.transform('sum') - g.cumsum()).eq(0) & s1 | df.Bool

Out[905]:

     Bool  Hour  bfill_Bool

0   False    12       False

1   False    24       False

2   False    12        True

3   False    24        True

4    True    12        True

5   False    24       False

6   False    12       False

7   False    24       False

8   False    12       False

9   False    24       False

10  False    12        True

11   True    24        True

Answer 3

IIUC，你可以这样做：

s = df['Bool'].shift(-1)

df['Result'] = df['Bool'] | s.where(s).groupby(df['Hour'].eq(12).cumsum()).bfill()

输出：

     Bool  Hour  Result

0   False    12   False

1   False    24   False

2   False    12    True

3   False    24    True

4    True    12    True

5   False    24   False

6   False    12   False

7   False    24   False

8   False    12   False

9   False    24   False

10  False    12    True

11   True    24    True