Python Pandas 在 DataFrame 中设置值，其中索引具有多个相同的标签值答案

【问题标题】：Python Pandas Set Value in DataFrame where Index has Multiple Identical Label ValuesPython Pandas 在 DataFrame 中设置值，其中索引具有多个相同的标签值
【发布时间】：2018-05-21 23:01:04
【问题描述】：

我想在 pandas 数据框中的一行中设置一个值，其中行索引具有重复值，并且日期列的值是所选索引值的最大值。

我的数据框：

Index  Start_Date   End_Date   

  A      2017-10-01   2017-10-13
  B      2017-10-07   2017-10-15
  B      2017-10-18    np.Nat
  C      2017-10-09   2017-10-30

所以我想为 index 值“B”设置 End_Date，其中 Start_Date 是“B”的 Max

最好的方法是什么？

编辑：

我的数据框：

Index  Start_Date   End_Date   

  A      2017-10-01   2017-10-13
  B      2017-10-07   2017-10-15
  B      2017-10-18    np.Nat
  C      2017-10-09   2017-10-30
  D      2017-11-01    np.Nat
  E      2017-11-03   2017-11-09
  E      2017-11-13    np.Nat

通过单独的过程，我了解到 End_Date 对应于第 3 行（索引 == 'B'，Start_Date == '2017-10-18 是 2017-10-25。我还分别找到了第 5 行（索引 == 'D'，Start_Date == '2017-11-01' 是 2017-11-03。所以我想一次将这些值填充到 End_Date 中。因为我没有 End_Date 值最后一行 (Index = 'E', Start_Date == '2017-11-13') 将保持为空。

请注意，“D”是唯一的，而“B”不是。

输出：

我的数据框：

Index  Start_Date   End_Date   

  A      2017-10-01   2017-10-13
  B      2017-10-07   2017-10-15
  B      2017-10-18   2017-10-25
  C      2017-10-09   2017-10-30
  D      2017-11-01   2017-11-03
  E      2017-11-03   2017-11-09
  E      2017-11-13    np.Nat

并不是第 3 行和 2017-11-03 中的值 2017-10-25 来自另一个进程，我们可以假设它们存储在变量中 - 然后可用于填充初始数据帧以获得输出。

【问题讨论】：

标签： python pandas

【解决方案1】：

想通了：

df = df.reset_index() 删除标签作为索引，并给我一个具有唯一值的数字索引

Index     Item       Start_Date   End_Date   

  0          A      2017-10-01   2017-10-13
  1          B      2017-10-07   2017-10-15
  2          B      2017-10-18    np.Nat
  3          C      2017-10-09   2017-10-30
  4          D      2017-11-01    np.Nat
  5          E      2017-11-03   2017-11-09
  6          E      2017-11-13    np.Nat

idx_val = df[df['Item'] == item][-1:].index.values[0]

给我item 的索引值，我提供最大Start_Date。

因此，如果我有一个来自我的其他进程的 item 'B' 的 End_Date 值为 '2017-10-25'，我会得到最大为 Start_Date 的行的索引，对于 item B 通过使用上面的代码行。如果item == B，idx_val 将等于 2。

然后我只需将End_Date 设置为idx_val == 2 的行：

df.loc[idx_val, 'End_Date'] = pd.to_datetime('2017-10-25')

结果是：

Index     Item       Start_Date   End_Date   

  0          A      2017-10-01   2017-10-13
  1          B      2017-10-07   2017-10-15
  2          B      2017-10-18   2017-10-25
  3          C      2017-10-09   2017-10-30
  4          D      2017-11-01    np.Nat
  5          E      2017-11-03   2017-11-09
  6          E      2017-11-13    np.Nat

【讨论】：

【解决方案2】：

# get the row indexes
row_idx = df.sort_values(['Index', 'Start_Date']).duplicated(keep='last')

# set values
df.loc[row_idx, 'End_Date'] = 'Your desired value'

希望对你有帮助！

【讨论】：

谢谢。关注问题。如果我尝试填充“End_Date”的索引值是唯一的，那么使用 duplicated 会引发错误，还是会简单地处理唯一行？
@Windstorm1981抱歉命名错误，row_idx 将只包含重复行的索引，将忽略唯一行。

【解决方案3】：

设置日期时间格式

df.End_Date=pd.to_datetime(df.End_Date,errors='coerce')
df.Start_Date=pd.to_datetime(df.Start_Date)

然后我们做apply + fillna

df['End_Date']=df.groupby('Index').apply(lambda x : x['End_Date'].fillna(x['Start_Date'].max())).values
df
Out[277]: 
  Index Start_Date   End_Date
0     A 2017-10-01 2017-10-13
1     B 2017-10-07 2017-10-15
2     B 2017-10-18 2017-10-18
3     C 2017-10-09 2017-10-30

【讨论】：

谢谢。你能把你的解决方案分解一下并解释一下吗？想确定我跟着。
@Windstorm1981 groupby 索引，正如你所说的你想要使用 B 的最大值，然后我们通过使用 B 的最大 Start_Date 到 B 的 End_Date 组来进行填充
尝试填充选定的值。不是全部。是否有关于如何使用 set_values 的建议？我认为您的解决方案已达到目标，但并未尝试填充所有空单元格，
@Windstorm1981 我的方法会填充所有的 NaT 值，所以你只想填充其中的一部分？
是的。正确的。所以我可能对一个组有一个 End_Date。我只想填写那个值。