如何修正DataFrame中每个id分组最后一行的start_quantity值

你的代码出现NaN的核心原因是：直接将time==9的end_quantity列赋值给time==10的start_quantity时，两个子集的索引无法一一对应，导致不匹配的位置被填充为NaN。必须按id分组对应赋值，以下是两种可行方案：

方案1：利用分组移位（groupby+shift） #

每个id组内已按time升序排列，time=10的前一行恰好是time=9，通过分组后移位的方式，可直接将每个组内的end_quantity向上移动一行，对应到下一行的start_quantity：

# 按id分组，将每个组的end_quantity向上移位一行，作为start_quantity
df['start_quantity'] = df.groupby('id')['end_quantity'].shift(1)
# 保留每个id第一行（time=1）的原始start_quantity值（第一行无前置数据）
df.loc[df['time'] == 1, 'start_quantity'] = df.loc[df['time'] == 1, 'start_quantity']

方案2：构建id映射字典精准赋值 #

先提取每个id对应的time=9的end_quantity值生成映射字典，再为time=10的行按id匹配赋值：

# 生成id到time=9的end_quantity的映射字典
id_end_q_map = df[df['time'] == 9].set_index('id')['end_quantity'].to_dict()
# 为time=10的行按id匹配赋值start_quantity
df.loc[df['time'] == 10, 'start_quantity'] = df.loc[df['time'] == 10, 'id'].map(id_end_q_map)

两种方案都能确保每个time=10的行精准拿到对应id的time=9的end_quantity值，不会出现NaN。

内容的提问来源于stack exchange，提问作者roulette01