Pandas避免合并操作：按#PROD和#CURRENCY分组填充TP字段

问题描述 #

现有如下结构的DataFrame：

import pandas as pd
data=[['Offshore','NY','A','USD','ABC_USD'],['Onshore','BH','A','USD',''],                  
      ['Onshore','AE','A','USD',''],['Offshore','NY','A','GBP','GBP_ABC'],['Onshore','BH','A','GBP',''],                           
      ['Onshore','AE','A','GBP',''],['Onshore','BH','A','EUR',''],['Onshore','AE','A','EUR','']]

df = pd.DataFrame(data, columns=['Loc', 'Country','#PROD','#CURRENCY','TP'])

需求：按#PROD和#CURRENCY字段分组，将Loc列为Onshore的行的TP字段替换为同组内Offshore行的TP值，要求无需创建两个DataFrame再进行连接。目前已通过拆分再连接的方式实现，希望得到更简洁的实现方法。

简洁实现方式 #

以下几种方法均可在原DataFrame上直接完成操作，无需拆分连接：

方法1：用groupby.transform提取分组内Offshore的TP值 #

适用于每组最多只有一条Offshore行的场景：

df['TP'] = df.groupby(['#PROD', '#CURRENCY']).apply(
    lambda g: g['TP'].mask(g['Loc'] == 'Onshore', g[g['Loc'] == 'Offshore']['TP'].iloc[0] if not g[g['Loc'] == 'Offshore'].empty else g['TP'])
).reset_index(drop=True)

方法2：结合mask与groupby.transform简化填充 #

先将Onshore行的TP标记为空，再用分组内的第一个非空TP值填充（需确保Offshore行的TP是组内唯一非空值）：

# 将Onshore行的TP转为NaN，再用分组内的第一个有效值填充
df['TP'] = df['TP'].mask(df['Loc'] == 'Onshore').groupby([df['#PROD'], df['#CURRENCY']]).transform('first')

方法3：鲁棒性兼容（处理无Offshore行的分组） #

如果存在分组没有Offshore行（如示例中的EUR组），可保留原空值，逻辑更通用：

def fill_onshore_tp(group):
    offshore_records = group[group['Loc'] == 'Offshore']
    if not offshore_records.empty:
        # 取Offshore行的TP值，覆盖同组所有行的TP
        group['TP'] = offshore_records['TP'].iloc[0]
    return group

# 应用分组逻辑，不保留分组键索引
df = df.groupby(['#PROD', '#CURRENCY'], group_keys=False).apply(fill_onshore_tp)

执行效果 #

所有Onshore行的TP会被替换为同组Offshore行的TP值；无Offshore行的分组则保持原空值，完全符合需求。

内容的提问来源于stack exchange，提问作者Number Logic