python - 在 Pandas df 中创建新列，其中每行的值取决于紧邻其上方的行中不同列的值

Question

假设以下 Pandas df:

# Import dependency.
import pandas as pd

# Create data for df.
data = {'Value': [1000, 1020, 1011, 1010, 1030, 950, 1001, 1100, 1121, 1131],
        'Dummy_Variable': [0,0,1,0,0,0,1,0,1,1]
       }

# Create DataFrame
df = pd.DataFrame(data)
display(df)

我想向 df 添加一个名为“Placeholder”的新列。 Placeholder 的值将基于“Dummy_Variable”列，并遵循以下规则:

• 如果之前所有行的“Dummy_Variable”值为 0，则该行的“Placeholder”值将等于该行的“Value”。
• 如果某行的“Dummy_Variable”值等于 1，则该行的“Placeholder”值将等于该行的“Value”。
• 如果某行的“Dummy_Variable”值等于 0，但其上一行的“Placeholder”值 >0，则该行的“Placeholder”值将等于该行的“Placeholder”值紧邻其上方的行。

期望的结果是一个带有新“Placeholder”列的 df，它看起来像通过运行以下代码生成的 df:

desired_data = {'Value': [1000, 1020, 1011, 1010, 1030, 950, 1001, 1100, 1121, 1131],
        'Dummy_Variable': [0,0,1,0,0,0,1,0,1,1],
        'Placeholder': [1000,1020,1011,1011,1011,1011,1001,1001,1121,1131]}

df1 = pd.DataFrame(desired_data)
display(df1)

我可以在 Excel 中轻松完成此操作，但我无法弄清楚如何在不使用循环的情况下在 Pandas 中完成此操作。任何帮助是极大的赞赏。谢谢!

Answer 1

您可以使用np.where为此:

import pandas as pd
import numpy as np

data = {'Value': [1000, 1020, 1011, 1010, 1030, 950, 1001, 1100, 1121, 1131],
        'Dummy_Variable': [0,0,1,0,0,0,1,0,1,1]
       }

df = pd.DataFrame(data)

df['Placeholder'] = np.where((df.Dummy_Variable.cumsum() == 0) | (df.Dummy_Variable == 1), df.Value, np.nan)

# now forward fill the remaining NaNs
df['Placeholder'].fillna(method='ffill', inplace=True)

df

   Value  Dummy_Variable  Placeholder
0   1000               0       1000.0
1   1020               0       1020.0
2   1011               1       1011.0
3   1010               0       1011.0
4   1030               0       1011.0
5    950               0       1011.0
6   1001               1       1001.0
7   1100               0       1001.0
8   1121               1       1121.0
9   1131               1       1131.0


# check output:
desired_data = {'Value': [1000, 1020, 1011, 1010, 1030, 950, 1001, 1100, 1121, 1131],
        'Dummy_Variable': [0,0,1,0,0,0,1,0,1,1],
        'Placeholder': [1000,1020,1011,1011,1011,1011,1001,1001,1121,1131]}

df1 = pd.DataFrame(desired_data)

check = df['Placeholder'] == df1['Placeholder']
check.sum()==len(df1)
# True