仅为组- pandas的选定成员回填值

Question

这应该很简单，但我花了太多的行来完成:

我有一个pandas数据框架，索引为id每年和.

对于A组和B组，我只想回填2022到2021的值(2019的值保持不变)。

这个方法最终成功了，但是很麻烦:

df = df.swaplevel()
# create a frame with backfilled values
dfbf = df.loc[[2021,2022]].groupby('id')['value'].bfill(limit=1).to_frame()
df = df.join(dfbf, rsuffix = '_fill')
df = df.reset_index(level = "id")
df['value'].loc[2021] = df.loc[2021][['value', 'value_fill']].sum(axis = 1)
df = df.set_index(['id'], append=True).swaplevel()

的例子:

<表类>价值价值tbody><<tr>id年id年2019201920201202012021202132022320223B2019B2019B202012B202012B2021B202111B202211B202211

Select rows by first byDataFrame.locwithGroupBy.bfillwithDataFrame.update:

df.update(df.loc[:, [2021,2022], :].groupby('id')['value'].bfill(limit=1))
print (df)
value
id year       
A  2019    NaN
2020    1.0
2021    3.0
2022    3.0
B  2019    NaN
2020   12.0
2021   11.0
2022   11.0

或者对预期的行使用掩码(为了提高性能，在两边过滤——只处理选定的行，而不是所有行):

#include
m = df.index.get_level_values('year').isin([2021,2022])
#exclude
#m = df.index.get_level_values('year') != 2019
df.loc[m, 'value'] = df[m].groupby('id')['value'].bfill(limit=1)
print (df)
value
id year       
A  2019    NaN
2020    1.0
2021    3.0
2022    3.0
B  2019    NaN
2020   12.0
2021   11.0
2022   11.0

您可以简单地将要替换的值子集使用loc和'year'级别的条件来避免2019:

df.loc[df.index.get_level_values('year')!=2019] = df.groupby(level=0).bfill()

输出:

value
id year       
A  2019    NaN
2020    1.0
2021    3.0
2022    3.0
B  2019    NaN
2020   12.0
2021   11.0
2022   11.0