如何在分组DataFrame中按条件检查并交换产品数值？

我有一个按date（日期）和product（产品）分组、value（数值）为均值的DataFrame。已知棉花（cotton）的价格应该始终高于咖啡（coffee），需要按日期逐一检查，当不符合该条件时交换两者的value值。

当前DataFrame #

期望输出DataFrame #

解决方案（Pandas实现） #

步骤1：处理空日期并构造DataFrame #

原始数据中同一日期的第二行（coffee）日期为空，先通过向前填充补全日期，确保后续分组处理正常：

import pandas as pd

# 构造原始数据
data = {
    'date': ['01/01/2023', '', '02/01/2023', ''],
    'product': ['cotton', 'coffee', 'cotton', 'coffee'],
    'value': [500.00, 300.00, 400.00, 600.00]
}
df = pd.DataFrame(data)

# 填充空日期
df['date'] = df['date'].ffill()

步骤2：转宽表便于比较 #

将数据转为宽表格式，让同一日期的棉花和咖啡值处于同一行，方便直接比较：

df_wide = df.pivot(index='date', columns='product', values='value').reset_index()

步骤3：检查并交换数值 #

筛选出棉花价格低于咖啡的日期，交换两者的数值：

# 生成布尔掩码，标记需要交换的日期
mask = df_wide['cotton'] < df_wide['coffee']
# 交换不符合条件的行的cotton和coffee值
df_wide.loc[mask, ['cotton', 'coffee']] = df_wide.loc[mask, ['coffee', 'cotton']].values

步骤4：转回长表并恢复原始格式 #

将宽表转回长表，同时把每个日期对应的咖啡行的日期设为空，匹配原始数据格式：

# 转回长表
df_result = df_wide.melt(id_vars='date', var_name='product', value_name='value')
# 将每个日期的第二行（咖啡）的date设为空
df_result.loc[df_result.groupby('date').cumcount() == 1, 'date'] = ''

执行上述代码后，df_result即为期望的结果。

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