Python Pandas：將 DataFrame 組的最后一個值分配給該組的所有條目

Question

在 Python Pandas 中，我有一個 DataFrame。 我按列對這個 DataFrame 進行分組，並希望將一列的最后一個值分配給另一列的所有行。

我知道我可以通過以下命令選擇組的最后一行：

import pandas as pd

df = pd.DataFrame({'a': (1,1,2,3,3), 'b':(20,21,30,40,41)})
print(df)
print("-")
result = df.groupby('a').nth(-1)
print(result)

結果：

   a   b
0  1  20
1  1  21
2  2  30
3  3  40
4  3  41
-
    b
a    
1  21
2  30
3  41

怎么可能將此操作的結果分配回原始數據幀，以便我有類似的東西：

   a   b b_new
0  1  20 21
1  1  21 21
2  2  30 30
3  3  40 41
4  3  41 41

Answer 1

使用transform與last ：

df['b_new'] = df.groupby('a')['b'].transform('last')

選擇：

df['b_new'] = df.groupby('a')['b'].transform(lambda x: x.iat[-1])

print(df)
   a   b  b_new
0  1  20     21
1  1  21     21
2  2  30     30
3  3  40     41
4  3  41     41

使用nth和join解決方案：

df = df.join(df.groupby('a')['b'].nth(-1).rename('b_new'), 'a')
print(df)
   a   b  b_new
0  1  20     21
1  1  21     21
2  2  30     30
3  3  40     41
4  3  41     41

時間：

N = 10000

df = pd.DataFrame({'a':np.random.randint(1000,size=N),
                   'b':np.random.randint(10000,size=N)})

#print (df)


def f(df):
    return df.join(df.groupby('a')['b'].nth(-1).rename('b_new'), 'a')

#cᴏʟᴅsᴘᴇᴇᴅ1
In [211]: %timeit df['b_new'] = df.a.map(df.groupby('a').b.nth(-1))
100 loops, best of 3: 3.57 ms per loop

#cᴏʟᴅsᴘᴇᴇᴅ2
In [212]: %timeit df['b_new'] = df.a.replace(df.groupby('a').b.nth(-1))
10 loops, best of 3: 71.3 ms per loop

#jezrael1
In [213]: %timeit df['b_new'] = df.groupby('a')['b'].transform('last')
1000 loops, best of 3: 1.82 ms per loop

#jezrael2
In [214]: %timeit df['b_new'] = df.groupby('a')['b'].transform(lambda x: x.iat[-1])
10 loops, best of 3: 178 ms per loop
    
#jezrael3
In [219]: %timeit f(df)
100 loops, best of 3: 3.63 ms per loop

警告

考慮到組的數量，結果並未解決性能問題，這將對其中一些解決方案的時間產生很大影響。

Answer 2

兩種可能，用groupby + nth + map或者replace

df['b_new'] = df.a.map(df.groupby('a').b.nth(-1))

或者，

df['b_new'] = df.a.replace(df.groupby('a').b.nth(-1))

您還可以將nth(-1)替換為last() （實際上，這樣做會使其速度更快一些），但是nth使您可以更靈活地從b每個組中選擇哪些項目。

---

df

   a   b  b_new
0  1  20     21
1  1  21     21
2  2  30     30
3  3  40     41
4  3  41     41

Answer 3

我認為這應該很快

df.merge(df.drop_duplicates('a',keep='last'),on='a',how='left')
Out[797]: 
   a  b_x  b_y
0  1   20   21
1  1   21   21
2  2   30   30
3  3   40   41
4  3   41   41