比较一列熊猫中两行中的非数字值

Question

我问了这个问题，提供的答案对我非常有用。

比较熊猫列中两行的值

但是，现在我有一项类似的任务，即比较同一列的两行的值，但这次，列是非数字的。 所以简而言之，我的 df 是这样的

                color          char               days                text
       1         red          light                 7                 good
       2         red          light                30                 good
       3         red         medium                60                  bad
       4         blue          dark                 7                  bad
       5         blue         light                30                 good
       6         blue         light                60                  bad
       7        yellow        light                 7                 good
       8        yellow        medium               30                  bad
       9        yellow        dark                 60                  bad

所以基本上，对于每种颜色，我都有 7 天、30 天和 60 天的 char 值。 请注意，正如我在上面的示例中给出的那样，这些顺序并不总是正确的。 我现在的任务是比较连续天值之间每种颜色的 char 值，如果该值与以前不同，则在“文本”列中写入“NA”。 第 7 天类别中的文本是默认的，不能被覆盖。

期望的结果：

                color          char               days                text
       1         red          light                 7                 good
       2         red          light                30                 good
       3         red         medium                60                  NA
       4         blue          dark                 7                  bad
       5         blue         light                30                  NA
       6         blue         light                60                  bad
       7        yellow        light                 7                 good
       8        yellow        medium               30                  NA
       9        yellow        dark                 60                  NA

我尝试了另一个问题的解决方案，有几个变体，但它对我不起作用。 有人可以帮我吗？ 我不一定只需要给定解决方案的变体，但任何有效的方法都值得赞赏。

Answer 1

您可以尝试 groupby color然后屏蔽每个组中的text列

df['text'] = (df.sort_values(['color', 'days'])
              .groupby('color', as_index=False, group_keys=False)
              .apply(lambda g: g['text'].mask(g['char'].ne(g['char'].shift().bfill()), np.nan)))

print(df)

    color    char  days  text
1     red   light     7  good
2     red   light    30  good
3     red  medium    60   NaN
4    blue    dark     7   bad
5    blue   light    30   NaN
6    blue   light    60   bad
7  yellow   light     7  good
8  yellow  medium    30   NaN
9  yellow    dark    60   NaN