在熊猫的前几行中获取第一个非零值答案

【问题标题】：Fetch first non-zero value in previous rows in pandas在熊猫的前几行中获取第一个非零值
【发布时间】：2019-03-11 02:44:34
【问题描述】：

以下是我的数据框的样子。 Expected_Output 是我想要的专栏：

   Group  Signal  Ready  Value  Expected_Output
0      1       0      0      3              NaN
1      1       0      1     72              NaN
2      1       0      0      0              NaN
3      1       4      0      0             72.0
4      1       4      0      0             72.0
5      1       4      0      0             72.0
6      2       0      0      0              NaN
7      2       7      0      0              NaN
8      2       7      0      0              NaN
9      2       7      0      0              NaN

如果Signal > 1，那么我试图在Group 中的前几行中获取最新的非零Value，其中Ready = 1。所以在第 3 行，Signal = 4，所以我想从第 1 行获取最新的非零 Value of 72，其中 Ready = 1。

一旦我可以获取该值，我就可以执行df.groupby(['Group','Signal']).Value.transform('first')，因为信号会像 444 一样重复出现，但不确定如何获取 Value。

【问题讨论】：

标签： python pandas numpy pandas-groupby series

【解决方案1】：

IIUC groupby + ffill 带布尔赋值

df['Help']=df.Value.where(df.Ready==1).replace(0,np.nan)

df['New']=df.groupby('Group').Help.ffill()[df.Signal>1]
df
Out[1006]: 
   Group  Signal  Ready  Value  Expected_Output  Help   New
0      1       0      0      3              NaN   3.0   NaN
1      1       0      1     72              NaN  72.0   NaN
2      1       0      0      0              NaN   NaN   NaN
3      1       4      0      0             72.0   NaN  72.0
4      1       4      0      0             72.0   NaN  72.0
5      1       4      0      0             72.0   NaN  72.0
6      2       0      0      0              NaN   NaN   NaN
7      2       7      0      0              NaN   NaN   NaN
8      2       7      0      0              NaN   NaN   NaN
9      2       7      0      0              NaN   NaN   NaN

【讨论】：

@jpp 添加 :-) .

【解决方案2】：

通过GroupBy + ffill 创建一个系列，然后屏蔽结果系列：

s = df.assign(Value_mask=df['Value'].where(df['Ready'].eq(1)))\
      .groupby('Group')['Value_mask'].ffill()

df['Value'] = s.where(df['Signal'].gt(1))

   Group  Signal  Ready  Value
0      1       0      0    NaN
1      1       0      1    NaN
2      1       0      0    NaN
3      1       4      0   72.0
4      1       4      0   72.0
5      1       4      0   72.0
6      2       0      0    NaN
7      2       7      0    NaN
8      2       7      0    NaN
9      2       7      0    NaN

【讨论】：