python - 移动数据中的非周期性值

Question

我有一个 data字典是这样的:

data = {
    'new_value': [
        '100', '100',
        '250', '250',
        '250', '50',
        '90', '90',
        '90', '90'
    ],
    'prev_value': [
        'None', 'None',
        'None', 'None',
        'None', 'None',
        'None', 'None',
        'None', 'None'
    ]
}

    new_value   prev_value
0        100    None
1        100    None
2        250    None
3        250    None
4        250    None
5         50    None
6         90    None
7         90    None
8         90    None
9         90    None

我希望得到另一本字典 exp_result像这样:

exp_result = {
    'new_value': [
        '100', '100',
        '250', '250',
        '250', '50',
        '90', '90',
        '90', '90'
    ],
    'prev_value': [
        '100', '100',
        '100', '100',
        '100', '250',
        '50', '50',
        '50', '50'
    ]
}

   new_value    prev_value
0        100    100
1        100    100
2        250    100
3        250    100
4        250    100
5         50    250
6         90    50
7         90    50
8         90    50
9         90    50

我试过 pandas.Series.shift() 函数，但我的数据不是周期性的，我现在不知道。

Answer 1

想法是通过 Series.mask 将所有没有最后连续值的值转换为缺失值，然后 Series.shift 对于下一组的值，通过 ffill 向前填充先前值的缺失值最后用 fillna 用原始值替换第一个缺失值:

m = df['new_value'].shift(-1).eq(df['new_value'])
df['prev_value'] = df['new_value'].mask(m).shift().ffill().fillna(df['new_value'])
print (df)

  new_value prev_value
0       100        100
1       100        100
2       250        100
3       250        100
4       250        100
5        50        250
6        90         50
7        90         50
8        90         50
9        90         50