如何对DataFrame中符合Cycle阈值的分组ID重复最后一行至Cycle=4？

原始DataFrame构建代码 #

# 导入所需库
import pandas as pd

# 创建数据集
data = {'id': [1, 1, 1, 1, 1,1, 1, 1, 1, 1, 1,
               2, 2,
               3, 3, 3, 3, 3, 3,
               4, 
               5, 5, 5, 5, 5,5, 5, 5,5],
        'cycle': [1,2, 3, 4, 5,6,7,8,9,10,11,
                  1,2, 
                  1,2, 3, 4, 5,6,
                  1,
                  1,2, 3, 4, 5,6,7,8,9,],
        'Salary': [7, 7, 7,8,9,10,11,12,13,14,15,
                   4, 5,
                   8,9,10,11,12,13,
                   8,
                   7, 7,9,10,11,12,13,14,15,],
        'Children': ['No', 'Yes', 'Yes', 'Yes', 'Yes', 'No','No', 'Yes', 'Yes', 'Yes', 'No',
                     'Yes', 'No', 
                     'No','Yes', 'Yes', 'No','No', 'Yes',
                     'Yes',
                      'No',  'Yes', 'No', 'No', 'Yes', 'Yes', 'Yes', 'Yes', 'No',],
        'Days': [123, 128, 66, 66, 120, 141, 52,96, 120, 141, 52,
                 96, 120,
                 15,123, 128, 66, 120, 141,
                 141,
                 123, 128, 66, 123, 128, 66, 120, 141, 52,],
        }

# 转换为DataFrame
df = pd.DataFrame(data)
print("df = \n", df)

需求说明 #

每个id对应一组递增的cycle值，各id的最大cycle分别为：id-1=11、id-2=2、id-3=6、id-4=1、id-5=9。

设定阈值cycle_threshold = 3，需完成以下处理：

• 若某个id的最大cycle ≤ 阈值，则重复该id分组的最后一行，直到cycle值达到4；
• 其余id分组保持原数据不变。

实现代码 #

cycle_threshold = 3
target_cycle = 4

# 按id分组处理每个子数据集
processed_groups = []
for id_val, group in df.groupby('id'):
    max_cycle = group['cycle'].max()
    if max_cycle <= cycle_threshold:
        # 复制分组的最后一行作为模板
        last_row = group.iloc[-1:].copy()
        # 生成需要补充的cycle值对应的行
        for cycle_val in range(max_cycle + 1, target_cycle + 1):
            new_row = last_row.copy()
            new_row['cycle'] = cycle_val
            processed_groups.append(new_row)
        # 添加原分组数据
        processed_groups.append(group)
    else:
        # 无需补充的分组直接加入结果
        processed_groups.append(group)

# 合并所有分组并重置索引，再按id和cycle排序保证顺序正确
result_df = pd.concat(processed_groups, ignore_index=True)
result_df = result_df.sort_values(by=['id', 'cycle']).reset_index(drop=True)

print("处理后的DataFrame：\n", result_df)

代码逻辑说明 #

1. 遍历每个id对应的分组，计算该分组的最大cycle值；
2. 若最大cycle ≤ 阈值，基于分组最后一行生成从max_cycle+1到4的新行，将新行和原分组都加入结果列表；
3. 无需补充的分组直接加入结果列表；
4. 合并所有分组后按id和cycle排序，保证数据顺序符合预期。

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