如何在Python DataFrame中按指定频率用前值替换列单元格值

假设我们有一个包含1到20的DataFrame列，目标是将每3个后续单元格替换为前一个单元格的值，形成每4个重复的分组（如1重复4次、5重复4次等），以下是几种Python实现方式：

步骤1：创建示例数据 #

首先构建测试用的DataFrame：

import pandas as pd
import numpy as np

df = pd.DataFrame({'col': range(1, 21)})

方法1：使用groupby + transform #

通过索引整数除法分组，每组取第一个元素并广播到组内所有行：

df['new_col'] = df.groupby(df.index // 4)['col'].transform('first')

• 原理：df.index // 4会将索引划分为0-3、4-7等4元素分组，每组的第一个元素即为需要重复的基准值，transform('first')将该值应用到组内所有行。

方法2：使用Numpy Reshape #

利用数组重塑提取每组首值，再重复填充：

df['new_col'] = df['col'].values.reshape(-1, 4)[:, 0].repeat(4)

• 原理：reshape(-1, 4)将原数组拆分为5个4元素子数组，[:, 0]提取每个子数组的第一个元素，repeat(4)将每个首值重复4次，刚好匹配原列长度。

方法3：手动分组映射 #

手动生成分组首值列表，通过组索引映射填充：

group_size = 4
# 提取所有分组的首值
group_heads = df['col'].iloc[::group_size].tolist()
# 为每行分配组索引并映射对应首值
df['new_col'] = (df.index // group_size).map(lambda x: group_heads[x])

执行上述任意方法后，new_col列的结果即为：

[1,1,1,1,5,5,5,5,9,9,9,9,13,13,13,13,17,17,17,17]

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