满足条件后按组获取上一行值

Question

我有以下问题。这是我的数据框：

district    curfew_name        active   value    date
  A            np.nan            0       10       1
  A             B1               1       20       4
  A             B1               1       21       6
  C             D1               1       14       8      
  C             D1               1       16       11
  C             D2               1       14       13
  E             F1               0       30       10
  E             F1               1       14       12

因此，每一行都是一个日期（每行之间 2-3 天），其中district 可能会激活宵禁。所以我想知道对于每个宵禁，在第一次激活所述宵禁之前的日期，该地区的value 列的值是多少。所以，在这种情况下，宵禁B1 在日期4 被激活，所以我检查了那个地区之前的value，它是10。对于宵禁D1，我不知道之前的value 是什么那个区，所以我会得到一个nan。对于D2，前一个值是D1 的最后一个值：16。最后，对于F1，我们看到它是事先宣布的，所以在它激活之前我们得到一个0。无论如何，该值将是30。所以，我最终的Series 看起来像这样：

curfew_name    previous_value
    B1              10
    D1             np.nan
    D2              16
    F1              30

所以，我可以像这样得到每个宵禁的第一次出现：

df[df.active.eq(1)].reset_index().groupby('curfew_name').first()['index']

然后我只是尝试减去一个，然后提取那些索引：

idx = df[df.active.eq(1)].reset_index().groupby('curfew_name').first()['index'] - 1

但是对于像D1 这样的情况，这会给我一个21，这是来自另一个区的值。你会怎么做？我已经尝试了groupby('district')、shift()、eq() 的一些组合，但我仍然没有以一种有效的方式做到这一点。

谢谢！

编辑：我现在的方法是获取前一个索引，然后检查与该索引关联的行是否与原始索引位于同一区域，并在满足该条件时过滤这些行，但我很确定我可以做得更好。

Answer 1

从@Quang Hoang 的回答和我最初的方法中获得灵感，我设法做到了：

df['previous_value'] = df.groupby('district').value.shift()
idx = df[df.active.eq(1)].reset_index().groupby('curfew_name').first()['index']
previous_values = df[df.index.isin(idx )].set_index('curfew_name').previous_value

Answer 2

你可以试试这个：

(df.assign(previous_value=df.groupby('district').value.shift())  # usual groupby.shift
   .drop_duplicates(['district','curfew_name'])                  # drop all duplicates
  [['curfew_name','previous_value']]                             # select the columns of interest
   .dropna(subset=['curfew_name'])                               # ignore curfew with nan values
)

输出：

  curfew_name  previous_value
1          B1            10.0
3          D1             NaN
5          D2            16.0
7          F1            30.0