如何基于起拍价用累计最大值修正DataFrame中物品价值列数据

要搞定这个问题，核心是对每个ItemType+ItemOrigin的分组，按起拍价升序排序后计算累计最大值，用这个值修正不符合规则的物品价值。用Pandas的groupby配合cummax()就能实现，具体步骤如下：

代码实现 #

import pandas as pd

# 假设你的数据存储在df中
def process_group(group):
    # 按起拍价升序排列，确保从低到高处理
    sorted_group = group.sort_values('Starting Bid')
    # 用累计最大值替换原价值列，保证高起拍价的价值不低于之前所有低起拍价的物品
    sorted_group['Value of item'] = sorted_group['Value of item'].cummax()
    return sorted_group

# 分组处理，保持原数据结构
df_cleaned = df.groupby(['ItemType', 'ItemOrigin'], group_keys=False).apply(process_group)

# 恢复原DataFrame的行顺序（如果需要保留原始行排列）
df_cleaned = df_cleaned.loc[df.index]

关键细节 #

• groupby(..., group_keys=False)：避免分组键混入结果索引，保持原DataFrame的列结构不变。
• cummax()：这是核心逻辑——它会逐行计算从第一行到当前行的最大值，自动确保同组内起拍价越高，物品价值不会低于任何更低起拍价的物品，完美匹配你设定的规则。
• 最后用loc[df.index]还原原始行顺序，防止分组排序后打乱数据的原有排列逻辑。

效果验证 #

比如原始数据中有不符合规则的行：

处理后结果：

这样就完成了事后的数据清洗，完全满足你的需求。

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