python - Pandas 将列值替换为最后可用值

Question

对于可以使用下面的代码导出的示例数据框，我想更新 Offset_Date 列，以便对于列 Offset_Date 中不在 列中的任何日期code>Date 我想用 Date 列中的最后一个可用值替换 Offset_Date 中的那个日期。

data = {"date": ['2021-01-01', '2021-01-03', '2021-01-04', '2021-01-05',
                 '2021-01-07', '2021-01-09', '2021-01-10', '2021-01-11'],

        "offset_date": ['2021-01-02', '2021-01-04', '2021-01-05',
                        '2021-01-06', '2021-01-08', '2021-01-10',
                        '2021-01-11', '2021-01-12']}

test_df = pd.DataFrame(data)
test_df['date'] = pd.to_datetime(test_df['date'])
test_df['offset_date'] = pd.to_datetime(test_df['offset_date'])

为了进一步解释上述数据框日期 2021-01-02 的第一行不在 date 列中，所以我想用中的最后一个可用值替换该值date 列，即 2021-01-01。

我想执行矢量化方法，所以我尝试了以下方法，但结果不正确。

test_df['offset_date_upd'] = np.where(test_df['offset_date'] in test_df['date'].values,
                                      test_df['offset_date'], 
                                      test_df[test_df['date'] <= test_df['offset_date']].values.max())

如何使用矢量化方法获得以下所需的输出？

期望的输出

+------------+-------------+
|    Date    | Offset_Date |
+------------+-------------+
| 2021-01-01 | 2021-01-01  |
| 2021-03-01 | 2021-04-01  |
| 2021-04-01 | 2021-05-01  |
| 2021-05-01 | 2021-05-01  |
| 2021-07-01 | 2021-07-01  |
| 2021-09-01 | 2021-10-01  |
| 2021-10-01 | 2021-11-01  |
| 2021-11-01 | 2021-11-01  |
+------------+-------------+

Answer 1

IIUC，你可以使用isin、mask和fillna:

test_df['offset_date'] = (test_df['offset_date']
                          .where(test_df['offset_date'].isin(test_df['date']),
                                 test_df['date'])
                         )

输出:

        date offset_date
0 2021-01-01  2021-01-01
1 2021-01-03  2021-01-04
2 2021-01-04  2021-01-05
3 2021-01-05  2021-01-05
4 2021-01-07  2021-01-07
5 2021-01-09  2021-01-10
6 2021-01-10  2021-01-11
7 2021-01-11  2021-01-11