假设我有这个：
df = pandas.DataFrame(
[ dict(a=75, b=numpy.nan, d='2023-01-01 00:00')
, dict(a=82, b=numpy.nan, d='2023-01-01 10:00')
, dict(a=39, b=numpy.nan, d='2023-01-01 20:00')
, dict(a=10, b=82 , d='2023-01-05 00:00')
, dict(a=90, b=82 , d='2023-01-05 20:00')
, dict(a=61, b=numpy.nan, d='2023-02-08 00:00')
, dict(a=35, b=numpy.nan, d='2023-02-08 10:00')
, dict(a=95, b=numpy.nan, d='2023-02-08 20:00')
, dict(a=21, b=35 , d='2023-04-15 00:00')
, dict(a=60, b=35 , d='2023-04-15 10:00')
])
df['d'] = pandas.to_datetime(df['d'])
df = df.set_index('d')
print(df)其输出：
a b
d
2023-01-01 00:00:00 75 NaN
2023-01-01 10:00:00 82 NaN
2023-01-01 20:00:00 39 NaN
2023-01-05 00:00:00 10 82.0
2023-01-05 20:00:00 90 82.0
2023-02-08 00:00:00 61 NaN
2023-02-08 10:00:00 35 NaN
2023-02-08 20:00:00 95 NaN
2023-04-15 00:00:00 21 35.0
2023-04-15 10:00:00 60 35.0在现实生活中，我只有a列，我想要的输出在b列中。
此处，b等于a中的值，该值来自上一个可用日期10：00。日期不一定连续。上一个可用日期10：00处的值可能不存在，在这种情况下，b应为NaN。
从逻辑上讲，我会通过按日期分组并从前一组中提取值来解决这个问题。
如果不对每个(previous group, group)元组进行迭代或类似的操作，Pandas可以做到吗？
更一般地说，有没有Pandas成语来处理这些"从上一组中查找值"的情况？
我将在这里添加编辑的答案来显示额外的信息，不适合很好地在一个评论。
对于https://stackoverflow.com/a/75599866/3821009
df['c'] = df.groupby(df.index.date)['a'].shift()
print(df)产生：
a b c
d
2023-01-01 00:00:00 75 NaN NaN
2023-01-01 10:00:00 82 NaN 75.0
2023-01-01 20:00:00 39 NaN 82.0
2023-01-05 00:00:00 10 82.0 NaN
2023-01-05 20:00:00 90 82.0 10.0
2023-02-08 00:00:00 61 NaN NaN
2023-02-08 10:00:00 35 NaN 61.0
2023-02-08 20:00:00 95 NaN 35.0
2023-04-15 00:00:00 21 35.0 NaN
2023-04-15 10:00:00 60 35.0 21.0所以这不是我想要的。
2条答案
按热度按时间e3bfsja21#
总体思路是：
1.获取时间为
10.00时的值1.获取日期组ID
1.如果时间是有序的，则当前组ID仅比前一个组ID大1
1.使用组ID将上一个时间值Map到当前时间值
z9smfwbn2#
是的，我相信您可以将groupby（）方法与shift（）方法沿着使用来实现这一点。
你可以这样做，
这段代码获取一个数据表，并根据表中的日期将其分解为多个组。对于每个组，它查看“a”列中的值，并将其向下移动一行。
通过这样做，“b”列现在显示前一组中该组中每一行的“a”值。