有沒有辦法通過忽略 python 中的 NAN 值來執行滯后/超前操作？

Question

我有一個數據集，其中包括日期、客戶和值（事件的大小）列。 我想創建一個名為“last_occurance_date”的新列，這是每個客戶最后一次發生事件的時間。 我有一個所有客戶和日期的交叉表，所以我有很多 null 值，這意味着該客戶在該日期沒有發生該事件。

我嘗試使用帶有 shift function 的 group by，但我無法忽略未發生事件的 null 值。

過濾掉 null 值 -> 沒有空值的滯后 -> 與表連接 -> ffill 有效，但有沒有簡單的方法來解決這個問題？

假設你有這個 DataFrame：

日期	顧客	價值
1	啊啊啊	10
2	啊啊啊	不適用
3	啊啊啊	20
4	啊啊啊	不適用
5	啊啊啊	50
1	bbb	不適用
2	bbb	不適用
3	bbb	30
4	bbb	不適用
5	bbb	50

Output Dataframe 應該如下所示：

日期	顧客	價值	上次發生日期
1	啊啊啊	10	不適用
2	啊啊啊	不適用	1
3	啊啊啊	20	1
4	啊啊啊	不適用	3
5	啊啊啊	50	3
1	bbb	不適用	不適用
2	bbb	不適用	不適用
3	bbb	30	不適用
4	bbb	不適用	3
5	bbb	50	3

Answer 1

您可以在掩碼日期上使用自定義groupby操作：

df['Last Occurrence Date'] = (df['Date'].mask(df['Value'].isna())
                             .groupby(df['Customer'])
                              .apply(lambda g: g.ffill().shift())
                             )

output：

   Date Customer  Value  Last Occurrence Date
0     1      aaa   10.0                   NaN
1     2      aaa    NaN                   1.0
2     3      aaa   20.0                   1.0
3     4      aaa    NaN                   3.0
4     5      aaa   50.0                   3.0
5     1      bbb    NaN                   NaN
6     2      bbb    NaN                   NaN
7     3      bbb   30.0                   NaN
8     4      bbb    NaN                   3.0
9     5      bbb   50.0                   3.0