Pandas：根据相同的列值但不同的行和条件更新某些列值

Question

我正在使用 Python 3.6 和 Pandas 0.25。

我有以下数据框：

import collections
import datetime
import pandas as pd
import numpy as np

data = {
    'col1_data': ['A1', 'A1', 'A1', 'A2', 'A2'],
    'col2_data': ['UNMAPPED', 'UNMAPPED', 'GOOD VALUE', 'UNMAPPED', 'CORRECT VALUE']
}

df = pd.DataFrame(data)

它看起来像下面：

display(df)

基本上，我想将 col1_data 中所有“A1”的“col2_data”值更新为“Good Value”，并将 col1_data 中所有“A2”的“Correct Value”更新为“Good Value”。

基本上我希望数据框看起来像：

基本上，我需要根据组（col1_data 值）进行数据更新，但没有聚合，即我不想减少行数。 因此，如果有 3 行具有相同的值（A1），则所有三行在 col2_data（GOOD VALUE）中都应该具有相同的值，或者不等于“UNMAPPED”。

有人可以在这里帮忙吗？

更新 1： UNMAPPED 值不以任何固定顺序出现。 Scot 的解决方案适用于 2 列 DF。 但是，DF有多个列（分组或检查不需要）； 分组仅依赖于 col1_data。 我们如何在 DF 中保留其他列？

例如

data = {
    'col1_data': ['A1', 'A1', 'A1', 'A2', 'A2'],
    'col2_data': ['UNMAPPED', 'UNMAPPED', 'GOOD VALUE', 'UNMAPPED', 'CORRECT VALUE'],
    'col3_data': ['B1', 'B2', 'B1', 'B3', 'B4']
}

df = pd.DataFrame(data)

预期输出：

此外，如果根据上述逻辑添加新的派生列更容易，那就没问题了。

Answer 1

如果“正确”字符串始终是组中的最后一个，那么您可以用 np.nan 和 bfill 替换或屏蔽“UNMAPPED”。

df.replace('UNMAPPED', np.nan).bfill()

输出：

  col1_data      col2_data
0        A1     GOOD VALUE
1        A1     GOOD VALUE
2        A1     GOOD VALUE
3        A2  CORRECT VALUE
4        A2  CORRECT VALUE

在这种情况下有效。 或者，如果它是组中的第一个，那么您可以使用ffill()

如果它出现在组中的任何位置，则您可以使用：

df['col2_data'] = df[['col2_data']].replace('UNMAPPED', np.nan).groupby('col1_data')['col2_data']\
  .transform(lambda x: x.ffill().bfill())