如果“n”不是单体递增，则将“n”替换为“n-1”答案

【问题标题】：If "n" not monolitic increasing replace "n" with "n-1"如果“n”不是单体递增，则将“n”替换为“n-1”
【发布时间】：2021-10-12 16:38:21
【问题描述】：

有什么好的食谱可以说：

datetime value
2021-10-05 09:39:00 1
2021-10-05 09:40:00 2
2021-10-05 09:41:00 3
2021-10-05 09:42:00 2 <--
2021-10-05 09:43:00 3

到：

datetime value
2021-10-05 09:39:00 1
2021-10-05 09:40:00 2
2021-10-05 09:41:00 3
2021-10-05 09:42:00 3 <--
2021-10-05 09:43:00 3

在 python/pandas 中？

谢谢。

【问题讨论】：

这能回答你的问题吗？ sort_values() method in pandas
你的意思是“单调递增”；不是单片的。
@sushanth 这个问题绝对不是这个问题的重复。

标签： python pandas dataframe

【解决方案1】：

通过比较不等于-1 的差异而不单调增加的测试行，然后用移位值替换：

df['value'] = df['value'].where(df['value'].diff().ne(-1), df['value'].shift(-1))
print (df)
   id  value
0   0      1
1   0      2
2   0      3
3   0      3
4   0      3

如果可能多个值不单调增加，最好使用backfill不匹配的值：

df['value'] = df['value'].where(df['value'].diff().ne(-1)).bfill().astype(int)
print (df)
   id  value
0   0      1
1   0      2
2   0      3
3   0      3
4   0      3

【讨论】：

@jezrael 我忘了补充的是，我需要它就像一个仪表。所以如果这个系列是这样的'[8,9,9,9,1,1,2]'，什么都不应该改变。
@Mischbot - 它没有改变，因为从 1 开始？
@jezrael - 是的。
@Mischbot - df['value'] = df['value'].where(df['value'].diff().ne(-1)).bfill().astype(int) 工作得很好。

【解决方案2】：

我会分两步完成：

通过测试下一个值（shfited 值）是否等于或大于上一个值，将对应的值设置为 NaN。
用之前的值填充 NaN

当然，如果输入中有 NaN，这将不起作用。但在这种情况下，单调递增就没有任何意义了。

In [60]: df = pd.DataFrame({'id': range(5), 'value': [1, 2, 3, 2, 3]}).set_index('id')

In [62]: df.loc[df['value'].shift() >= df['value'], 'value'] = np.nan

In [63]: df
Out[63]:
    value
id
0     1.0
1     2.0
2     3.0
3     NaN
4     3.0

In [64]: df['value'].fillna(method='bfill')
Out[64]:
id
0    1.0
1    2.0
2    3.0
3    3.0
4    3.0
Name: value, dtype: float64

【讨论】：

【解决方案3】：

你的意思是：

df['value'] = df['value'].cummax()

或者：

df.loc[df['value'] < df['value'].shift(), 'value'] += 1

两个代码都给出：

>>> df
   id  value
0   0      1
1   1      2
2   2      3
3   3      3
4   4      3
>>>

【讨论】：

第二个，而不是 +1。问题在标题中。
两个答案都没有测试monolitic increasing