python - Pandas 使用 .where() 替换 .groupby() 对象

Question

考虑一个包含几组整数的数据帧:

d = pd.DataFrame({'label': ['a','a','a','a','b','b','b','b'], 'value': [1,2,3,2,7,1,8,9]})
d
    label   value
0   a   1
1   a   2
2   a   3
3   a   2
4   b   7
5   b   1
6   b   8
7   b   9

对于这些整数组中的每一组，每个整数都必须大于或等于前一个。如果不是这种情况，则采用前一个整数的值。我替换使用
s.where(~(s < s.shift()), s.shift())
这适用于单个系列。我什至可以对数据框进行分组，并遍历每个提取的系列:

grouped = s.groupby('label')['value']
for _, s in grouped:
    print(s.where(~(s < s.shift()), s.shift()))

0    1.0
1    2.0
2    3.0
3    3.0
Name: value, dtype: float64
4    7.0
5    7.0
6    8.0
7    9.0
Name: value, dtype: float64

但是，我现在如何将这些值恢复到我的原始数据框中？

或者，有没有更好的方法来做到这一点？我不在乎使用 .groupby并且不要认为 for 循环是一个很好的解决方案......

Answer 1

IIUC，您可以使用 cummax 在 groupby喜欢:

d['val_max'] = d.groupby('label')['value'].cummax()
print (d)
  label  value  val_max
0     a      1        1
1     a      2        2
2     a      3        3
3     a      2        3
4     b      7        7
5     b      1        7
6     b      8        8
7     b      9        9