Question

我有一个包含混乱数据的大型数据集。数据如下：

df1 = pd.DataFrame({'Batch':[1, 1, 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2],
                    'Case':[1, 1, 1, 2, 2, 2, 2, 2, 2, 1, 1, 1, 2, 2, 2],
                    'Live':['Yes', 'Yes', 'No', 'Yes', 'No', 'No', 'Yes', 'Yes', 'Yes', 'Yes', 'Yes', 'No', 'Yes', 'Yes', 'No'],
                    'Task':['Download', nan, 'Download', 'Report', 'Report', nan, 'Download', nan, nan, nan, 'Download', 'Download', 'Report', nan, 'Report']

    })

出于示例的目的，请想象'nan'实际上是一个空单元格（而不是一个表示'nan'的字符串）

我需要按“批次”进行分组，然后按“案例”进行分组，过滤“实时”值为“是”的实例，然后向下填充。

我本质上希望它看起来像this

我目前的做法是：

df['Task'] = df.groupby(['Batch','Case'])['Live'].filter(lambda x: x == 'Yes')['Task'].fillna(method='ffill')

我尝试了多种变体，但不断收到诸如“过滤器必须返回布尔结果”之类的错误消息

有人知道我该怎么做吗？

Answer 1

您不需要filter，您可以在groupby之前切入现场直播的是

df1.Task=df1.loc[df1.Live=='Yes'].groupby(['Batch','Case']).Task.ffill()
df1
Out[620]: 
    Batch  Case Live      Task
0       1     1  Yes  Download
1       1     1  Yes  Download
2       1     1   No       NaN
3       1     2  Yes    Report
4       1     2   No       NaN
5       1     2   No       NaN
6       1     2  Yes  Download
7       1     2  Yes  Download
8       1     2  Yes  Download
9       2     1  Yes       NaN
10      2     1  Yes  Download
11      2     1   No       NaN
12      2     2  Yes    Report
13      2     2  Yes    Report
14      2     2   No       NaN

Python Pandas-将多列分组，对某些列的特定值进行过滤，并填写

1 个答案: