如何循环pandas数据帧并在条件下修改值？

Question

我有这个pandas数据帧：

df = pd.DataFrame(
    {
    "col1": [1,1,2,3,3,3,4,5,5,5,5]
    }
)
df

如果col1中的值不等于下一行中col1的值，我想添加另一个列“last”的列。 它应该是这样的：

到目前为止，如果col1中的值不等于下一行中col1的值，我可以创建一个包含True的列; 否则：

df["last_row"] = df["col1"].shift(-1)
df['last'] = df["col1"] != df["last_row"]
df = df.drop(["last_row"], axis=1)
df

现在像

df["last_row"] = df["col1"].shift(-1)
df['last'] = "last" if df["col1"] != df["last_row"]
df = df.drop(["last_row"], axis=1)
df

会很好，但这显然是错误的语法。 我该如何设法做到这一点？

---

最后，我还想添加数字，表示在此之前值出现的时间，而最后一个值始终标记为“last”。 它应该如下所示：

我不确定这是否是我开发中的另一个步骤，或者这是否需要一种新的方法。 我读过如果我想在修改值时循环遍历数组，我应该使用apply（）。 但是，我不知道如何在此包含条件。 你能帮助我吗？

非常感谢！

Answer 1

这是一种方式。 您可以根据col1的下一个值是否与当前行的值相同，定义自定义DataFrameGroupBy.cumsum以及获取DataFrameGroupBy.cumsum来获取累积计数。 然后使用df.shift使用类似的标准添加last ：

g = df.col1.ne(df.col1.shift(1)).cumsum()
df['update'] = df.groupby(g).cumcount()
ix = df[df.col1.ne(df.col1.shift(-1))].index
# Int64Index([1, 2, 5, 6, 10], dtype='int64')
df.loc[ix,'update'] = 'last'

 col1 update
0      1      0
1      1   last
2      2   last
3      3      0
4      3      1
5      3   last
6      4   last
7      5      0
8      5      1
9      5      2
10     5   last

Answer 2

考虑到索引是增量的，（1） cuncount每个组进行cuncount ，然后在每个组中取（2） max index并设置字符串

group = df.groupby('col1')

df['last'] = group.cumcount()
df.loc[group['last'].idxmax(), 'last'] = 'last'
#or df.loc[group.apply(lambda x: x.index.max()), 'last'] = 'last'


    col1    last
0   1   0
1   1   last
2   2   last
3   3   0
4   3   1
5   3   last
6   4   last
7   5   0
8   5   1
9   5   2
10  5   last

Answer 3

使用.shift找到变化的地方。 然后你可以使用.where适当地掩盖然后.fillna

s = df.col1 != df.col1.shift(-1)
df['Update'] = df.groupby(s.cumsum().where(~s)).cumcount().where(~s).fillna('last')

输出：

    col1 Update
0      1      0
1      1   last
2      2   last
3      3      0
4      3      1
5      3   last
6      4   last
7      5      0
8      5      1
9      5      2
10     5   last

---

另外， update是DataFrames的一种方法，因此您应该避免命名列'update'

Answer 4

另一种可能的解决

df['update'] = np.where(df['col1'].ne(df['col1'].shift(-1)), 'last', 0)