是否可以在 Pandas 的 loc 中使用 loc 来替换值？

Question

让我先勾勒一下我要解决的问题。我正在尝试根据包含“-1”的行中的其他两个值，将值“-1”替换为同一列中的另一个值。为了更清楚，这里有一个例子。在下面的数据框中，“所有者”列中有两个缺失值。我想要的是用“所有者”列中的值替换每个“-1”值，该值具有相同的“价格”值，并且是第一个在“时间”中比“-1”值更早出现的值。因此，在本例中，第一个-1 值在第 3 行中找到。对应的“价格”和“时间”是cheap 和2011-01-01 13:30:00。所以现在，我想用车主的名字替换-1，它有一个cheapcar，这是考虑中的第一个时间，所以是2011-01-01 13:30:00之前的第一个时间。在这种情况下，这将是第 1 行中的那个，所有者名称为 Jane。这也应该自动为任何以下-1 值完成（例如，对于宝马）。

   brand   price time                 owner
0   Honda  cheap 2008-01-01 13:30:00  Marc
1  Toyota  cheap 2009-01-01 13:30:00  Jane
2    Ford   alot 2010-01-01 13:30:00  Phil
3    Audi  cheap 2011-01-01 13:30:00    -1
4   Volvo  cheap 2012-01-01 13:30:00  Jane
5     Bmw   alot 2013-01-01 13:30:00    -1

我想解决这个问题的方法是，先定位-1，然后保存对应的价格和时间，然后及时定位第一个对应的价格，替换所有者值。我想通过以下方式使用 Pandas Loc 方法（我也包含了制作数据框的代码）。

import pandas as pd
from datetime import datetime

cars = {'brand': ['Honda','Toyota','Ford','Audi','Volvo','Bmw'],
        'price': ['cheap','cheap','alot','cheap','cheap','alot'],
        'time': [datetime.strptime('1/1/2008 1:30 PM', '%m/%d/%Y %I:%M %p'),datetime.strptime('1/1/2009 1:30 PM', '%m/%d/%Y %I:%M %p'),datetime.strptime('1/1/2010 1:30 PM', '%m/%d/%Y %I:%M %p'),datetime.strptime('1/1/2011 1:30 PM', '%m/%d/%Y %I:%M %p'),
                 datetime.strptime('1/1/2012 1:30 PM', '%m/%d/%Y %I:%M %p'),datetime.strptime('1/1/2013 1:30 PM', '%m/%d/%Y %I:%M %p')],
        'owner': ['Marc', 'Jane','Phil','-1','Jane','-1']}

df = pd.DataFrame(cars, columns = ['brand', 'price','time','owner'])

P_T = df.loc[df.owner == '-1',['price','time']

df.loc[df.owner == '-1', 'owner'] = df.loc[(df.price == P_T.price)&(df.time < P_T.time), 'owner']

正如您在最后一行中看到的，这本质上是 loc 中的 loc，而等式右侧的条件均基于 P_T loc。但是，问题来了，因为我不断收到此错误： ValueError: Can only compare identically-labeled Series objects 我认为我做错了什么，也许做的事情没有尽可能高效......所以我真的很感激在这件事上能得到一些帮助。

Answer 1

我认为您对此过于复杂 - 基本上您需要做的是用价格列分组的最后一个对应值填充 -1 值？如果是这样，前向填充就可以了ffill

import numpy as np
s = df.replace('-1',np.nan).sort_values('time').groupby(['price'])['owner'].ffill()

df['owner'] = df.index.map(s)



print(df)


    brand  price                time owner
0   Honda  cheap 2008-01-01 13:30:00  Marc
1  Toyota  cheap 2009-01-01 13:30:00  Jane
2    Ford   alot 2010-01-01 13:30:00  Phil
3    Audi  cheap 2011-01-01 13:30:00  Jane
4   Volvo  cheap 2012-01-01 13:30:00  Jane
5     Bmw   alot 2013-01-01 13:30:00  Phil