我在將我的邏輯應用到 python 代碼時遇到問題

Question

我是 pandas 的新手，我不知道如何將以下邏輯應用到 pandas 代碼中。 我能得到的所有幫助將不勝感激！

例如，在我的 dataframe 中有以下內容：

id    uid  action program     time         sleepTimes
1628  100   5      200      2020-05-20      2020-05-20
1629  100     1    200      2020-05-21      0

---

我希望 id 1629 的sleepTimes列與 id 1628 的sleepTimes列具有相同的值，因為它們具有相同的 uid 和程序。 我想將此應用於驗證相同條件的所有行。

對於一般的觀點，我想添加到sleepTimes of action = 1列中，當actions = 1具有相同的uid和program of action = 5 = 5 時， sleepTimes of action = 5的值。 我怎么能這樣做，使用 python？

觀察：我的 dataframe 是使用 pandas 創建的。

謝謝！

編輯：這是我開始的代碼。

df['sleepTimes'] = np.where(df['action'] == 5, df['time'], 0)
uid = df.loc[df['action'] == 5, 'uid']

def mapping_time (df):
    if (df['action'] == 1).all():
        #compare and check if uid and program are equal to action 1 and action 5. 
        if df['uid'] == df['sleepTimes'] & df['program']:
            df['sleepTimes'] = df.loc[df['action'] == 5, 'time']
    elif (df['action'] == 3).all():
        if(df['uid'] == uid):
            df['sleepTimes'] = sleepTimes
    else:
#it is action = 5
        df['sleepTimes'] = df['time']

Answer 1

只需使用astype()和replace()方法：

df['sleepTimes']=df['sleepTimes'].astype(str).replace('0',np.NaN)

最后使用groupby()方法和ffill()方法：

df['sleepTimes']=df.groupby('uid')['sleepTimes'].ffill()

現在如果你打印df你會得到你想要的 output

#output

    id      uid action  program     time    sleepTimes
0   1628    100     5   200     2020-05-20  2020-05-20
1   1629    100     1   200     2020-05-21  2020-05-20

現在，如果您想對 'sleepTimes' 執行一些操作，請使用pd.to_datetime()方法將其轉換為datetime[ns] ：

df['sleepTimes']=pd.to_datetime(df['sleepTimes'])

編輯：

df['sleepTimes']=df.groupby(['uid','program'])['sleepTimes'].ffill()