我之前的问题的扩展：Python pandas dataframe backfill based on 2 conditions
我有一个这样的数据框：
Bool Hour Min
0 False 12 00
1 False 12 30
2 False 24 00
3 False 24 30
4 False 12 00
5 False 12 30
6 False 24 00
7 False 24 30
8 True 12 00
9 False 12 30
10 False 24 00
11 False 24 30
12 False 12 00
13 False 12 30
14 False 24 00
15 False 24 30
16 False 12 00
17 False 12 30
18 False 24 00
19 False 24 30
20 False 12 00
21 False 12 30
22 False 24 00
23 True 24 30
，我想在“布尔”栏中回填“真”值，直到“小时”首次达到“ 12”而“最低”首先达到“ 00”。结果将是这样的：
Bool Hour Min Result
0 False 12 00 False
1 False 12 30 False
2 False 24 00 False
3 False 24 30 False
4 False 12 00 True <- Desired backfill
5 False 12 30 True <- Desired backfill
6 False 24 00 True <- Desired backfill
7 True 24 30 True <- Desired backfill
8 False 12 00 False
9 False 12 30 False
10 False 24 00 False
11 False 24 30 False
12 False 12 00 False
13 False 12 30 False
14 False 24 00 False
15 False 24 30 False
16 False 12 00 False
17 False 12 30 False
18 False 24 00 False
19 False 24 30 False
20 False 12 00 True <- Desired backfill
21 False 12 30 True <- Desired backfill
22 False 24 00 True <- Desired backfill
23 True 24 30 True <- Desired backfill
非常感谢您的帮助。非常感谢！
答案 0 :(得分：1)
使用：
m = df['Hour'].eq(12) & df['Min'].eq(0)
df['Result'] = df['Bool'].shift(-1).groupby(m.cumsum()).transform('any') | df['Bool']
说明：
m用Series.eq用==的所有条件创建布尔掩码Series.shift与-1逐行使用Series.cumsum创建组GroupBy.transform与GroupBy.any结合使用，以True为单位对每组进行测试g |的按位或的最后一个布尔布尔列m = df['Hour'].eq(12) & df['Min'].eq(0)
print (df.assign(m = df['Hour'].eq(12) & df['Min'].eq(0),
shift = df['Bool'].shift(-1),
g = m.cumsum(),
transform = df['Bool'].shift(-1).groupby(m.cumsum()).transform('any'),
Result=df['Bool'].shift(-1).groupby(m.cumsum()).transform('any')|df['Bool']))
Bool Hour Min m shift g transform Result
0 False 12 0 True False 1 False False
1 False 12 30 False False 1 False False
2 False 24 0 False False 1 False False
3 False 24 30 False False 1 False False
4 False 12 0 True False 2 True True
5 False 12 30 False False 2 True True
6 False 24 0 False False 2 True True
7 False 24 30 False True 2 True True
8 True 12 0 True False 3 False True
9 False 12 30 False False 3 False False
10 False 24 0 False False 3 False False
11 False 24 30 False False 3 False False
12 False 12 0 True False 4 False False
13 False 12 30 False False 4 False False
14 False 24 0 False False 4 False False
15 False 24 30 False False 4 False False
16 False 12 0 True False 5 False False
17 False 12 30 False False 5 False False
18 False 24 0 False False 5 False False
19 False 24 30 False False 5 False False
20 False 12 0 True False 6 True True
21 False 12 30 False False 6 True True
22 False 24 0 False True 6 True True
23 True 24 30 False NaN 6 True True
为@Wen答案添加新条件：
m = (~df.Bool&df.Hour.eq(12)&df.Min.eq(0))
s=m.iloc[::-1].groupby(df.Bool.iloc[::-1].cumsum()).transform('idxmax')
df['result']=df.index>=s.iloc[::-1]
也对Quang Hoang回答如下：
s = df['Bool'].shift(-1)
m = df['Hour'].eq(12) & df['Min'].eq(0)
df['Result'] = df['Bool'] | s.where(s).groupby(m.cumsum()).bfill()
答案 1 :(得分：1)
您也可以使用groupby和backfill
为了清晰起见，我已经采取了一些步骤
group = ((df.Hour == "12") & (df.Min == "00")).cumsum()
bool_col = df["Bool"].where(df["Bool"], np.nan)
df["result2"]=bool_col.groupby(group).backfill() == 1
print(df)