根据任务角色从数据框列中查找最新的任务，并用最新的列值替换列值

Question

我有一个包含以下列的数据框架

df1:
Task Start Date  |  Task Finish Date  |  Task Role
01-01-2021           01-03-2021            Lead
01-04-2021           02-02-2021            Team member
01-04-2021           02-23-2021            Unknown

我想根据以下条件创建另一个列'Origin Role':

如果任务角色是lead/其他，则跳过(将相同的任务角色填充到新列('Origin Role');

else仅当Task Role为Unknown时:

• 考虑任务角色为"Unknown"的记录的任务开始日期，并查找其任务完成日期<=(小于或等于)任务开始日期(未知角色)的最新记录(如果有多个)。

• 然后在新列'Origin role '中填写最新角色的Task角色，取代未知角色。

我的期望:

df1:
Task Start Date  |  Task Finish Date  |  Task Role       | Origin Role
01-01-2021           01-03-2021            Lead              Lead
01-04-2021           02-02-2021            Team member       Team Member
01-04-2021           02-23-2021            Unknown           Lead

Answer 1

一个选择是使用merge_asof:

# ensure datetime
df[['Task Start Date', 'Task Finish Date']] = 
df[['Task Start Date', 'Task Finish Date']].apply(pd.to_datetime, dayfirst=False)

df['Origin Role'] = df['Task Role'].replace({'Unknown': np.nan}).fillna(
pd.merge_asof(df['Task Start Date'].sort_values().reset_index(),
df[['Task Finish Date', 'Task Role']]
.loc[lambda d: d['Task Role'].ne('Unknown')]
.sort_values(by='Task Finish Date'),
left_on='Task Start Date', right_on='Task Finish Date',
).set_index('index')['Task Role']
)

步骤:

• replace"未知";由南
• 按日期排序
• 在最近的日期合并，忽略"未知">
• fillna与此值
输出:

Task Start Date Task Finish Date    Task Role  Origin Role
0      2021-01-01       2021-01-03         Lead         Lead
1      2021-01-04       2021-02-02  Team member  Team member
2      2021-01-04       2021-02-23      Unknown         Lead